kothasuhas/dclm-baseline-1.0_subset_1M
收藏Hugging Face2024-12-29 更新2025-02-15 收录
下载链接：
https://hf-mirror.com/datasets/kothasuhas/dclm-baseline-1.0_subset_1M
下载链接
链接失效反馈官方服务：
资源简介：
这是一个包含了文本和多种元数据信息的网页数据集，共有100万条训练数据。数据集中的文本字段包含了文本内容，metadata字段则包含了如网页大小、类型、日期等多种元数据信息。
This is a web dataset containing text and various metadata information, with a total of 1 million training data. The text field in the dataset contains the text content, while the metadata field contains various metadata information such as web page size, type, date, etc.
提供机构：
kothasuhas
