August4293/hello_world

Name: August4293/hello_world
Creator: August4293
Published: 2024-12-21T01:14:34+08:00

Hugging Face2024-12-16 更新2024-12-21 收录

文本处理

多语言数据

数据链接：

https://hf-mirror.com/datasets/August4293/hello_world 数据链接链接失效反馈

官方服务：

资源简介：

这是一个包含多种语言文本的示例数据集。

This is an example dataset with text in multiple languages.

提供机构：

August4293

doushabao4766/ontonotes_zh_ner

文本处理

实体识别

--- dataset_info: features: - name: id dtype: int64 - name: tokens sequence: string - name: ner_tags sequence: int64 splits: - name: train num_bytes: 7629700 num_exampl

Hugging Face2023-05-26 更新340

EleutherAI/filtering-annealing-mix_20250226-011545

文本处理

自然语言处理

这是一个包含文本数据的训练集，每个样本包括id、文本内容、来源、元数据、token数量、是否为目标过滤、单词过滤、单词过滤元数据、BERT过滤、BERT过滤元数据、组合过滤等字段。训练集大小为389,019,625,333字节，共有88,961,637个样本。数据集支持默认配置，可通过指定的路径访问训练数据。

Hugging Face2025-03-02 更新190

dgambettaphd/D_gen0_run0_llama2-7b_wiki_doc1000_real96_synt32

文本处理

机器学习

该数据集包含1000个训练样本，每个样本包含一个唯一的标识符（id）和一个文档内容（doc）。数据集总大小为642705字节，下载大小为410378字节。数据文件存储在指定路径下，适用于训练目的。

Hugging Face2024-11-23 更新120

chenghao/NEWS-COPY-train

文本处理

去重

该数据集包含NEWS COPY数据集的训练集，原始来源可以在Github上找到。数据集包含历史报纸数据。评估数据集可以在chenghao/NEWS-COPY-eval找到。

Hugging Face2024-03-18 更新190

prli/freelaw-full_pyt_llama_alpha_0-1_2_perturb