印尼语、马来语、越南语预训练语料

本数据集为东盟语种的预训练语料，包含70GB的印尼语语料、70GB的越南语语料和10GB的马来语语料，每个语种的语料均涉及社会、文化、百科、新闻等多个领域。字段清晰，领域丰富，且可根据需求扩充语种及语料规模，助力国内大模型出海。