NoahEJ/fineweb-sample-100BT_over-1024-tokens
收藏Hugging Face2025-04-23 更新2025-10-25 收录
下载链接：
https://hf-mirror.com/datasets/NoahEJ/fineweb-sample-100BT_over-1024-tokens
下载链接
链接失效反馈官方服务：
资源简介：
这是一个包含文本数据的训练集，数据字段包括文本内容、唯一标识符、数据恢复信息、URL链接、日期、文件路径、语言类型、语言置信度分数、以及文本的token数量。数据集总共包含约2954万个样本，占用约274兆字节的空间。
This is a training dataset containing text data, with fields including text content, unique identifier, data recovery information, URL link, date, file path, language type, language confidence score, and the token count of the text. The dataset contains approximately 29,542,000 samples, occupying about 274 gigabytes of space.
提供机构：
NoahEJ
