LongWanjuan（万卷长文）
收藏OpenDataLab2026-06-07 更新2024-05-09 收录
下载链接：
https://opendatalab.org.cn/OpenLMLab/LongWanjuan
下载链接
链接失效反馈官方服务：
资源简介：
A 160B bilingual long-text dataset with 3 categories: holistic, aggregated and chaotic long texts.（万卷长文是一个160B 的双语长文本数据集，分为 3 类：整体长文本、聚合长文本和混沌长文本）
一款规模达1600亿Token的双语长文本数据集，共分为三大类别：整体长文本、聚合长文本与混沌长文本。
提供机构：
OpenLMLab
创建时间：
2024-02-21
搜集汇总
数据集介绍
背景与挑战
背景概述
LongWanjuan是一个160B规模的双语长文本数据集，包含整体性、聚合性和混乱性三类文本，覆盖多个领域，适用于自然语言理解和预训练语言模型任务。
以上内容由遇见数据集搜集并总结生成
