vllg/looong_c4
收藏Hugging Face2023-09-20 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/vllg/looong_c4
下载链接
链接失效反馈官方服务：
资源简介：
---
license: odc-by
task_categories:
- text-generation
language:
- en
size_categories:
- 100K<n<1M
---
A filtered subset of C4-en containing 835,400 pages that are at least 32,000 characters long, useful for training models with longer context windows.
提供机构：
vllg
原始信息汇总
数据集概述
许可
- 许可类型：odc-by
任务类别
- 文本生成
语言
- 英语
数据规模
- 数据量：100K<n<1M
数据描述
- 数据集是C4-en的一个过滤子集，包含835,400页，每页至少32,000个字符，适用于训练具有较长上下文窗口的模型。
