lm_training_wiki20k

Wiki-SimpleQA筛选训练数据集，从wiki-simpleQA-subset-Qwen3-4B-qa-5-v1数据集衍生而来，经过文章长度、QA对数量和长度筛选及去重处理，保留了1891篇高质量文章和230347个QA对。数据集包含标题、全文、格式化的QA对和唯一标识符，适用于问答任务的模型训练。