five

bcml/bclm-char-200k

收藏
Hugging Face2025-10-16 更新2025-10-25 收录
下载链接:
https://hf-mirror.com/datasets/bcml/bclm-char-200k
下载链接
链接失效反馈
官方服务:
资源简介:
BCLM-1字符数据集(2048上下文,200k样本)包含200k个样本,每个样本的最大字符长度为2046个,由各种教育文本和文章组成,用于训练小型语言模型。数据集的分布是50%来自fineweb-edu,50%来自Cosmopedia。超过2046个字符的样本将被截断。

BCLM-1 Character Dataset (2048 ctx, 200k samples) consists of 200k samples, with a maximum character length of 2046, made up of various educational texts and articles for training a small language model. The dataset is distributed equally between 50% fineweb-edu and 50% Cosmopedia. Samples longer than 2046 characters are truncated.
提供机构:
bcml
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