C4 (Colossal Clean Crawled Corpus)
收藏OpenXLab2026-04-18 收录
下载链接：
https://openxlab.org.cn/datasets/OpenDataLab/C4
下载链接
链接失效反馈官方服务：
资源简介：
C4 是 Common Crawl 的网络爬虫语料库的一个巨大的、干净的版本。它基于 Common Crawl 数据集：https://commoncrawl.org。它用于训练 T5 文本到文本的 Transformer 模型。可以从 allennlp 以预处理的形式下载数据集。
提供机构：
OpenDataLab
创建时间：
2022-08-11
