官方服务：
资源简介：
roberta large mega set
应用场景：
创建时间：
2021-07-14
相关数据集
AIME2025-long-hints
该数据集包含了问题、答案、完整句子及其正确性、领域、注释、有提示和无提示情况下的准确率等字段。它被设计用于训练模型，其中的训练集包含了30个示例，数据集总大小为2,152,843字节。
Hugging Face2025-04-27 更新170
mlfoundations-dev/instruction_filtering_fasttext_seed_data_code
该数据集包含了对话指令种子（instruction_seed）、来源（source）、以及对应的70B蒸馏模型响应（r1_distill_70b_response）等字段。此外，每个样本还有一个原始行索引（__original_row_idx）和会话信息（conversations），其中会话信息包含发送者（from）和消息内容（value）。数据集被拆分为训练集（train），包含2500个示例
Hugging Face2025-02-14 更新50
The Finnish Sub-corpus of the JRC-Acquis Multilingual Parallel Corpus, Downloadable Version
This is the legal subcorpus of the [Helsinki Korp Version of the Finnish TreeBank 3](http://urn.fi/urn:nbn:fi:lb-2016042602). The corpus is available for online browsing through the concordancer Korp
SSH Open MarketPlace2025-07-04 更新20
RylanSchaeffer/collapse_gemma-2-9b_hs2_accumulate_iter2_sftsd0_temp1_max_seq_len512
该数据集包含两个主要特征：prompt（提示）和response（响应），均为字符串类型。数据集包含一个训练集（train），其中包含12531个样本，总大小为15358934字节。下载大小为904870字节，数据集总大小为15358934字节。数据集的配置文件指定了默认配置，数据文件路径为data/train-*。
Hugging Face2024-11-24 更新60
AnanthZeke/tamil_sentences_sample
该数据集名为tamil_combined_sentences，包含泰米尔语的句子，主要用于句子相似性和零样本分类任务。数据集来源于OSCAR和Wikipedia，大小在1M到10M之间。数据集的特征包括句子，分割为训练集，包含2,391,475个例子，总大小为1,164,550,978字节。
Hugging Face2023-10-13 更新30
