维基百科-英文

wiki-cn数据集是一个基于中文维基百科网站的大规模文本数据集。维基百科是一个包含了大量开放式、多语言的在线百科全书，它的内容覆盖了各个领域的知识。

The wiki-cn dataset is a large-scale text dataset based on the Chinese Wikipedia website. Wikipedia is an open, multilingual online encyclopedia that contains a vast amount of content covering knowledge across all fields.

搜集汇总

背景与挑战

背景概述

维基百科-英文数据集是一个基于英文维基百科的大规模文本集合，包含约601万条、总计14GB的文本数据，适用于自然语言处理和知识研究。该数据集由OpenDataLab于2023年发布，提供丰富的英文资源以支持语言技术发展。