five

Misraj/mudd

收藏
Hugging Face2025-07-07 更新2025-08-09 收录
下载链接:
https://hf-mirror.com/datasets/Misraj/mudd
下载链接
链接失效反馈
官方服务:
资源简介:
MUDD是一个包含4,758,338行未经处理的阿拉伯语文本的大型数据集,专为预训练大型语言模型和推动阿拉伯自然语言处理研究而设计。每条文本记录都保留了其UUID。该数据集是从SlimPajama-627B英文数据集的精选子集翻译而来,使用了Mutarjim翻译模型。

MUDD is a large-scale dataset consisting of 4,758,338 rows of unprocessed Arabic text, specifically designed for pretraining large language models and advancing Arabic natural language processing research. Each text entry retains its UUID. The dataset is translated from a carefully selected subset of the English SlimPajama-627B dataset using the Mutarjim translation model.
提供机构:
Misraj
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