redpajama-stack-code-refined-by-data-juicer
收藏魔搭社区2026-01-07 更新2024-05-15 收录
下载链接：
https://modelscope.cn/datasets/Data-Juicer/redpajama-stack-code-refined-by-data-juicer
下载链接
链接失效反馈官方服务：
资源简介：
A refined version of Github Code dataset in RedPajama & TheStack by Data-Juicer. Removing some "bad" samples from the original dataset to make it higher-quality. This dataset is usually used to pretrain a Large Language Model.
本数据集为Data-Juicer团队基于RedPajama与TheStack数据集中的GitHub代码数据集构建的精炼版本。其通过移除原始数据集中的部分低质量样本以提升整体数据品质，通常用于大语言模型（Large Language Model）的预训练任务。
提供机构：
maas
创建时间：
2023-08-01
