遇见数据集

Beetle-Data/no-100M-pretok

收藏
Hugging Face2026-05-17 更新2026-05-31 收录
官方服务:

资源简介:

这是一个预分词数据集,包含分块的513个token打包序列,无跨文档内容混合。数据以parquet格式存储,分片上传,并通过标记文件指示所有部分已上传完成。

This is a pretokenized dataset consisting of chunked 513-token packed sequences with no cross-document bleeding. The data is stored in parquet format, sharded incrementally, and a marker file indicates that all parts have been uploaded.

提供机构:
Beetle-Data
二维码
社区交流群
二维码
科研交流群
商业服务