SmallDoge/pt_dataset_processed

Name: SmallDoge/pt_dataset_processed
Creator: SmallDoge
Published: 2025-02-11 06:45:01
License: 暂无描述

Hugging Face2025-02-11 更新2025-04-12 收录

下载链接：

https://hf-mirror.com/datasets/SmallDoge/pt_dataset_processed

下载链接

链接失效反馈

官方服务：

资源简介：

--- license: apache-2.0 ---

提供机构：

SmallDoge

SmallDoge/decay_dataset_processed

该数据集包含两个特征字段：input_ids和attention_mask，均为序列类型。input_ids字段存储文本数据中每个token的ID，attention_mask字段用于指示输入序列中的有效token。数据集分为训练集(train)，共有8000000个样本，总大小为73511871795字节。

Hugging Face2025-03-23 更新10

SmallDoge/Reason-Distill-processed

该数据集包含两个主要特征：input_ids和attention_mask，均为序列类型，分别采用int32和int8数据格式。数据集分为训练集，包含91152个样本，总数据量为3729090571字节。数据集的下载大小为1126203986字节。具体的应用场景和数据来源在README中未提及。

Hugging Face2025-03-30 更新30

SmallDoge/SmallCorpus

SmallCorpus是一个大规模的多语言数据集，旨在用于训练小型语言模型。它包含多种类型的文本，包括网页内容、教育教材、编程代码、数学问题和链式思维推理示例。该数据集的结构旨在促进跨多种语言的语言模型预训练和持续预训练。

Hugging Face2025-09-18 更新70

SmallDoge/stable_dataset_processed

该数据集包含两个特征序列：input_ids和attention_mask，由整数和8位整数构成。它分为训练集和测试集，其中训练集有3200万个示例，测试集有1000个示例。数据集的下载大小为115GB，总大小为298GB。提供了默认配置，指定了数据文件的路径。

Hugging Face2025-03-19 更新80

SmallDoge/SmallThoughts

SmallThoughts是一个合成推理数据集，覆盖数学、科学、编程和谜题领域。该数据集旨在解决现有DeepSeek R1蒸馏数据过长的问题，通过约束推理轨迹来使其更加精确和简洁，同时保留其反思性质。数据集还提供了蒸馏数据的管道代码。

Hugging Face2025-07-24 更新110