five

pico-lm/pretokenized-paloma

收藏
Hugging Face2025-04-16 更新2025-04-12 收录
下载链接:
https://hf-mirror.com/datasets/pico-lm/pretokenized-paloma
下载链接
链接失效反馈
官方服务:
资源简介:
Pretokenized Paloma是一个紧凑的、预标记化的评估数据集,旨在补充pretokenized-dolma训练集。它由Paloma语料库构建而成,与Dolma数据集没有数据重叠,适合用于在pretokenized-dolma上训练的模型的困惑度计算。

The Pretokenized Paloma Benchmark Dataset is a compact, pre-tokenized evaluation dataset designed to complement the pretokenized-dolma training set. Built from the Paloma corpus (Allen Institute), this benchmark is free from any data overlap with Dolma and is ideal for evaluating models trained on it for perplexity calculations.
提供机构:
pico-lm
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