JQL-AI/HPLT3-198-500k

Name: JQL-AI/HPLT3-198-500k
Creator: JQL-AI
Published: 2026-01-03T04:35:07+08:00

Hugging Face2025-11-03 更新2026-01-03 收录

数据链接：

https://hf-mirror.com/datasets/JQL-AI/HPLT3-198-500k 数据链接链接失效反馈

官方服务：

资源简介：

![image](https://cdn-uploads.huggingface.co/production/uploads/64243ad773f771f6630871e4/4R5uiEkg88THEmVcVg60T.png) ![image](https://cdn-uploads.huggingface.co/production/uploads/64243ad773f771f6630871e4/EOrZg1dBkBP4JagZjEKJa.png)

提供机构：

JQL-AI

JQL-AI/fw2_embeddings

多语言嵌入

文档分析

FineWeb2-embeddings是一个扩展自FineWeb2的数据集，为36种语言提供了文档级别的Snowflake Arctic-embed-m-v2.0嵌入，可用于文档聚类、过滤和多语言研究。嵌入使用CLS标记嵌入每个文档。数据集包含不同语言和配置的子集，每个子集都有特定文件路径用于过滤和删除的数据。数据集源自2013年至2024年收集的网络内容，可能包含个人身份信息。建议查阅FineW

Hugging Face2025-08-21 更新100

JQL-AI/hplt2_embeddings

文本嵌入

多语言处理

HPLT2-embeddings是一个基于HPLT2数据集的扩展，包含了35种语言的文档级Snowflakes Arctic-embed-m-v2.0嵌入，适用于文档聚类、过滤等多种多语言任务。

Hugging Face2025-08-21 更新50

JQL-AI/JQL-Human-Edu-Annotations

文档质量评估

多语言文本分类

JQL多语言教育质量注释数据集提供了高质量的人工注释，用于评估网络文档的教育价值，并作为训练和评估多语言LLM注释器的基准。该数据集包含511篇英文文本，每篇文本由3名人类评分者在0到5的范围内进行评分。这些注释已翻译成35种欧洲语言和3种非欧洲语言。该数据集由15名具有技术和语言学背景的领域专家创建，适用于评估多语言LLM的性能、训练序数分类任务模型以及研究人机协作和跨语言评估。

Hugging Face2025-05-29 更新30

JQL-AI/JQL-LLM-Edu-Annotations

多语言语言模型

教育质量标注

JQL LLM多语言教育质量标注数据集包含了1718万6606个文档，这些文档具有高质量的语言模型标注，用于评估网络文档的教育价值，并可作为训练和评估多语言LLM标注器的基准。数据集包含了35种欧洲语言，文档以原生语言输入，但模型提示和响应使用英语。数据集可用于训练多语言文档质量模型、基准多语言LLM性能、蒸馏和教师-学生LLM训练以及为噪声网络规模数据创建过滤器。

Hugging Face2025-05-29 更新90

JQL-AI/hplt2_edu_scores

多语言处理

教育质量评估

HPLT2-JQL-Education是一个基于HPLT2的语言子集，覆盖了35种语言，是经过模型标注的教育样本数据集。该数据集使用了深度学习分类器进行质量评分，并且可以扩展到其他语言。

Hugging Face2025-08-11 更新40