five

marin-community/wikipedia-markdown

收藏
Hugging Face2025-05-16 更新2025-07-05 收录
下载链接:
https://hf-mirror.com/datasets/marin-community/wikipedia-markdown
下载链接
链接失效反馈
官方服务:
资源简介:
Marin Markdownified Wikipedia是一个大规模的、经过预处理的英语维基百科企业HTML转储版本,包含约85.9亿个标记。这个语料库已经被转换为干净的、具有章节意识的Markdown格式,用于语言模型训练。

Marin Markdownified Wikipedia is a large-scale, pre-processed version of the English Wikipedia Enterprise HTML dump consisting of approximately 8.59 billion tokens. This corpus has been converted into a clean, section-aware Markdown format for language-model training.
提供机构:
marin-community
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作