alea-institute/kl3m-data-pacer-cod
收藏官方服务：
资源简介：
该数据集是一个文本数据集，包含了文本的分词表示。数据集分为训练集，共有大约484万个样本，总数据大小为8.06GB。提供了默认配置文件，用于指定训练数据的文件路径。
This dataset is a text dataset that includes tokenized representations of text. The dataset is split into a training set with approximately 4.84 million samples, with a total dataset size of 8.06GB. A default configuration file is provided to specify the file path for the training data.
提供机构：
alea-institute
