TieuDaoChanNhan/nemotron-cc_small_subset_decontaminated
收藏数据链接：
官方服务：
资源简介：
Nemotron CC Small Subset Decontaminated 是一个去污染的Common Crawl Nemotron数据子集，每个文件采用JSONL格式。该数据集专注于文本生成任务，语言为英语，旨在提供清洁、高质量的文本数据供自然语言处理使用。
Nemotron CC Small Subset Decontaminated is a decontaminated subset of Common Crawl Nemotron data, with each file in JSONL format. This dataset focuses on text generation tasks, is in English, and aims to provide clean, high-quality text data for natural language processing applications.
提供机构：
TieuDaoChanNhan
