redpajama-cc-2019-30-refined-by-data-juicer
收藏魔搭社区2025-11-14 更新2024-05-15 收录
下载链接：
https://modelscope.cn/datasets/Data-Juicer/redpajama-cc-2019-30-refined-by-data-juicer
下载链接
链接失效反馈官方服务：
资源简介：
A refined version of CommonCrawl-2019-30 dataset in RedPajama by Data-Juicer. Removing some "bad" samples from the original dataset to make it higher-quality. This dataset is usually used to pretrain a Large Language Model.
本数据集是Data-Juicer对RedPajama数据集中的CommonCrawl-2019-30数据集进行优化后的版本。通过移除原始数据集中的部分低质量样本，实现了数据集整体质量的提升。该数据集通常用于大语言模型（Large Language Model）的预训练任务。
提供机构：
maas
创建时间：
2023-08-01
