five

melaniaghirda/fineweb-edu-subset

收藏
Hugging Face2026-03-05 更新2026-03-29 收录
下载链接:
https://hf-mirror.com/datasets/melaniaghirda/fineweb-edu-subset
下载链接
链接失效反馈
官方服务:
资源简介:
--- task_categories: - text-generation language: - en dataset_info: config_name: data features: - name: text dtype: string splits: - name: train num_bytes: 21893418334 num_examples: 4020432 download_size: 12544429047 dataset_size: 21893418334 configs: - config_name: data data_files: - split: train path: data/train-* default: true --- Small slice of the original HuggingFaceFW/fineweb-edu, data/CC-MAIN-2025-26.<br> Files: first 10 `.parquet` files, split=`train`, columns="text", applied filters: "language_score">=0.9.<br> Pipeline: Dataset will be further tokenized and used to train a 124M GPT model.
提供机构:
melaniaghirda
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