遇见数据集

bigshishiga/dclm-baseline-subset

收藏
Hugging Face2025-09-16 更新2025-10-25 收录
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
二维码
社区交流群
二维码
科研交流群
商业服务