ALL_TOKENS Simulations

kaggle2025-09-22 更新2025-10-25 收录

文本生成

自然语言处理

数据链接：

https://www.kaggle.com/datasets/vincenzopresta/all-tokens-simulations 数据链接链接失效反馈

官方服务：

资源简介：

Monte Carlo text generation simulations

蒙特卡洛（Monte Carlo）文本生成模拟

创建时间：

2025-09-16

multi-train/nq-train-multikilt_1107

自然语言处理

机器学习

--- configs: - config_name: default data_files: - split: train path: data/train-* dataset_info: features: - name: query dtype: string - name: pos sequence: string - name: neg

Hugging Face2023-11-10 更新140

joaosanches/cleaned_tedtalks_total

TEDTalks

自然语言处理

--- dataset_info: features: - name: pt dtype: string - name: pt-br dtype: string splits: - name: train num_bytes: 66045930 num_examples: 314702 download_size: 41381774 da

Hugging Face2024-01-30 更新80

ZhentingNLP/code_pretraining_data

代码预训练

自然语言处理

该数据集包含了文本内容以及与LLaMA-2模型相关的token数量和文本来源信息。数据集被划分为训练集，共有26,680,129个示例，大小约为37.27GB。数据集的下载大小约为16.99GB。

Hugging Face2025-03-12 更新40

mehdie/fine_tune_dataset_new_format

自然语言处理

机器学习

--- dataset_info: features: - name: text dtype: string - name: labels dtype: int64 splits: - name: train num_bytes: 106945 num_examples: 3010 download_size: 32296 dataset

Hugging Face2024-05-15 更新90

nafisneehal/trialbrain_baseline_measures_instruct_v1

机器学习

自然语言处理

该数据集包含62,270个训练样本，每个样本包含instruction、input和output三个字符串类型的特征。数据集总大小为211,029,841字节，下载大小为96,199,241字节。数据文件路径为data/train-*。

Hugging Face2024-12-19 更新60