five

EliMC/fineweb-edu-10BT-mincols

收藏
Hugging Face2025-12-05 更新2025-12-20 收录
下载链接:
https://hf-mirror.com/datasets/EliMC/fineweb-edu-10BT-mincols
下载链接
链接失效反馈
官方服务:
资源简介:
--- dataset_info: features: - name: text dtype: string - name: id dtype: string - name: url dtype: string splits: - name: train num_bytes: 47250994990 num_examples: 9672101 download_size: 28314342419 dataset_size: 47250994990 configs: - config_name: default data_files: - split: train path: data/train-* source_datasets: HuggingFaceFW/fineweb-edu license: odc-by task_categories: - text-generation language: - en tags: - 10BT size_categories: - 1M<n<10M --- # fineweb-edu: 10BT sample This the "10BT-sample" config of `HuggingFaceFW/fineweb-edu` with most of the redundant cols removed for efficiency reasons. ## token counts GPT-4 tiktoken token count: ``` token_count count 9.672101e+06 mean 1.001188e+03 std 1.834986e+03 min 3.800000e+01 25% 3.380000e+02 50% 6.090000e+02 75% 1.054000e+03 max 1.649670e+05 ``` - Total count: 9683.59 M tokens
提供机构:
EliMC
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