CCI2-Data
收藏官方服务：
资源简介：
CCI2-Data 仓库旨在提供高质量的中文安全数据集，以应对相关资源的稀缺问题。它在 CCI 数据集的基础上，通过扩展数据来源和采用更严格的数据清洗方法构建而成。该仓库包含超过1.7亿条样本，总大小为501GB，每条数据包括唯一的ID和对应的文本内容。数据经过关键词过滤、模型分类和去重等处理，保证了内容质量和安全性。用户可以通过标准化数据操作从 BAAI DataHub 和 Hugging Face 下载和使用该数据集，但需遵守相关的使用协议。该数据集适用于文本生成等任务。
提供机构：
BAAI创建时间：
2024-07-19
