Performance comparison of DNABERT with and without pre-training.

Figshare2025-11-12 更新2026-04-28 收录

数据链接：

https://figshare.com/articles/dataset/Performance_comparison_of_DNABERT_with_and_without_pre-training_/30603036 数据链接链接失效反馈

官方服务：

资源简介：

Performance comparison of DNABERT with and without pre-training.

创建时间：

2025-11-12

datajuicer/llava-pretrain-refined-by-data-juicer

多模态学习

预训练模型

LLaVA pretrain -- LCS-558k数据集是LLaVA预训练数据集的一个精炼版本，通过Data-Juicer工具去除了原始数据集中的一些低质量样本，以提高数据集的质量。该数据集主要用于多模态大语言模型的预训练。数据集的样本数量为500,380个，保留了原始数据集的约89.65%。精炼过程包括修复Unicode错误、标点符号规范化、过滤不符合特定条件的文本和图像样本等步骤。

Hugging Face2024-03-07 更新1290

ih138/my_awesome_eli5_mlm_model

自然语言处理

预训练模型

该数据集包含两个主要特征：input_ids和attention_mask，分别表示为int32和int8类型的序列。数据集分为训练集和测试集，训练集包含4000个样本，测试集包含1000个样本。数据集的下载大小为3587573字节，总大小为8464880字节。数据文件路径分别为data/train-*和data/test-*。

Hugging Face2024-07-10 更新120

seungone/ablation1_math_gpt4o_mini

数学文本处理

预训练模型

该数据集包含两个主要特征：instruction（指令）和response（响应），均为字符串类型。数据集包含一个训练集（train），其中包含5561个样本，总大小为7702223字节。数据集的下载大小为3515007字节。数据集的配置信息显示，训练集数据文件位于路径data/train-*。

Hugging Face2024-11-25 更新80

Google Word2Vec

自然语言处理

预训练模型

Pre-trained word to vector model

kaggle2021-09-17 更新170

SH1045689.10FU

真菌分类学

DNA序列分析

UNITE provides a unified way for delimiting, identifying, communicating, and working with DNA-based Species Hypotheses (SH). All fungal ITS sequences in the international nucleotide sequence databases

DataCite Commons2024-09-05 更新90

Performance comparison of DNABERT with and without pre-training.

资源简介：

相关数据集