Matrix
收藏官方服务：
资源简介：
Matrix是一个双语数据集，包含英文和中文文本，规模达46900亿tokens，主要用于训练neo模型。数据内容涵盖Common Crawl、代码、论文、书籍、指令、考试、新闻、维基百科和专利等多种来源。该数据集支持文本生成等任务，并采用Apache-2.0授权许可。
创建时间：
2024-07-19
社区交流群
科研交流群
商业服务
Matrix是一个双语数据集，包含英文和中文文本，规模达46900亿tokens，主要用于训练neo模型。数据内容涵盖Common Crawl、代码、论文、书籍、指令、考试、新闻、维基百科和专利等多种来源。该数据集支持文本生成等任务，并采用Apache-2.0授权许可。