m-a-p/PIN-200M
收藏Hugging Face2026-04-15 更新2025-09-13 收录
下载链接：
https://hf-mirror.com/datasets/m-a-p/PIN-200M
下载链接
链接失效反馈官方服务：
资源简介：
PIN-100M是一个包含100M个样本的数据集，格式为PIN。数据集包含8个子集，例如PIN-PMC、DocLayNet、Linux-CN、chinese-markdown、OBELICS、MMC4、leetcode和PG19。数据集以JSONL格式存储，每个数据条目包含元数据、质量信号、内容图像、整体图像和Markdown内容等信息。
PIN-100M is a dataset containing 100M samples in PIN format. The dataset includes 8 subsets such as PIN-PMC, DocLayNet, Linux-CN, chinese-markdown, OBELICS, MMC4, leetcode, and PG19. The dataset is stored in JSONL format, and each data entry contains metadata, quality signals, content images, overall images, and Markdown content.
提供机构：
m-a-p
