datablations/oscar-subsets
收藏Hugging Face2023-06-14 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/datablations/oscar-subsets
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是English OSCAR的不同子集，使用GPT2Tokenizer测量了不同数量的tokens。这些数据用于论文《Scaling Data-Constrained Language Models》中。
提供机构：
datablations
原始信息汇总
数据集概述
- 数据集名称： English OSCAR 的各个子集
- 数据集来源： English OSCAR
- 数据集内容： 包含不同数量的标记，使用 GPT2Tokenizer 进行测量
- 数据集用途： 用于研究论文 Scaling Data-Constrained Language Models
- 联系方式： Niklas Muennighoff
- 许可证： CC0-1.0
- 语言： 英语
数据集详细信息
-
论文引用： bibtex @article{muennighoff2023scaling, title={Scaling Data-Constrained Language Models}, author={Muennighoff, Niklas and Rush, Alexander M and Barak, Boaz and Scao, Teven Le and Piktus, Aleksandra and Tazi, Nouamane and Pyysalo, Sampo and Wolf, Thomas and Raffel, Colin}, journal={arXiv preprint arXiv:2305.16264}, year={2023} }
-
更多详情请访问： GitHub 仓库
