five

bluelightai-dev/pythia_clt_pretrain_data_tokenized

收藏
Hugging Face2025-10-24 更新2025-11-01 收录
下载链接:
https://hf-mirror.com/datasets/bluelightai-dev/pythia_clt_pretrain_data_tokenized
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集包含文本输入及其对应的input_ids和token_bounds信息,适用于训练自然语言处理模型。数据集分为train部分,共有3499772个示例,大小为199687564700字节。

The dataset includes text inputs along with their corresponding input_ids and token_bounds information, suitable for training natural language processing models. It is split into a train section, containing 3,499,772 examples, with a total size of 199,687,564,700 bytes.
提供机构:
bluelightai-dev
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作