Wikipedia Foundation Dataset

该数据集是从涵盖16种语言的维基百科数据集中筛选出来的一小部分，用于识别特定语言的神经元。此外，该数据集中的一部分也被用于评估在资源较少语言中的性能表现。该数据集涵盖了16种语言（包括英语、法语、西班牙语、越南语、印尼语、日语、中文、孟加拉语、印地语、泰米尔语、泰卢固语、马拉地语、乌尔都语、卡纳达语、马拉雅拉姆语和旁遮普语），其任务是识别特定语言的神经元。