mimir-project/mimir-bias

Name: mimir-project/mimir-bias
Creator: mimir-project
Published: 2024-05-28 08:41:00
License: 暂无描述

Hugging Face2024-05-28 更新2025-04-08 收录

下载链接：

https://hf-mirror.com/datasets/mimir-project/mimir-bias

下载链接

链接失效反馈

官方服务：

资源简介：

--- license: unknown ---

提供机构：

mimir-project

mimir-project/mimir-core

这是一个包含多种语言语料的数据集，包括挪威语、冰岛语和英语等。数据集规模在10B到100B之间，分为默认、不良、中等和优质四个配置，每个配置包含训练集和验证集，文件类型为JSON。

Hugging Face2025-03-13 更新130

mimir

MIMIR数据集是一个专门设计用于评估成员推断攻击方法的基准数据集，能够检测大型语言模型预训练数据中的成员信息。适用于在The Pile上训练的模型，如GPTNeo、Pythia和OPT。

Hugging Face2025-03-27 更新1320

tulu_mimir

该数据集包含了对话信息，每个对话信息包括内容(content)和角色(role)。数据集还包含了原始对话信息、字符串ID、来源、语言、翻译模型、分类、域和任务类型等信息。整个数据集被分为训练集、验证集和测试集三个部分。

Hugging Face2025-11-24 更新00

mimir-project/noridiom

该数据集包含803个挪威谚语，分别用挪威的两种语言形式nynorsk和bokmål表示，每种形式各有401和402个谚语。数据集是专门为Mímir项目创建的，用于评估语言模型在完成挪威谚语方面的能力。每个样本包括谚语的前n-1个词（idiom特征）和完成谚语的最后一个词（completion特征）。数据集在cc-by-4.0协议下授权使用，适用于文本生成任务。

Hugging Face2025-01-23 更新30

Mimir crawled dataset

该数据集由Mimir爬虫收集，包含超过25k个站点的页面。数据集的创建是为了研究Tor网络的拓扑结构，以及不同类型内容的分布情况。通过独特的爬取策略，该数据集避免了重复内容的收录，首次为Tor网络中的隐藏服务提供了一个无镜像的网络分析视角。数据集主要用于网络安全和犯罪活动的研究，特别是针对Tor网络中的暗网内容分析。

arXiv2025-04-23 更新390