bigshishiga/dclm-baseline-subset
收藏Hugging Face2025-09-16 更新2025-10-25 收录
下载链接：
https://hf-mirror.com/datasets/bigshishiga/dclm-baseline-subset
下载链接
链接失效反馈官方服务：
资源简介：
这是一个包含500万个样本的英文文本数据集，每个样本都包括一个唯一的标识符和对应的文本内容。数据集仅包含训练集，文件大小为28879017988字节，下载大小为17778126295字节。
This is an English text dataset containing 5 million samples, each with a unique identifier and corresponding text content. The dataset consists only of a training set, with a file size of 28879017988 bytes and a download size of 17778126295 bytes.
提供机构：
bigshishiga
