ZombitX64/mOSCAR_Thai

Name: ZombitX64/mOSCAR_Thai
Creator: ZombitX64
Published: 2025-06-27 06:36:28
License: 暂无描述

Hugging Face2025-06-27 更新2025-10-25 收录

下载链接：

https://hf-mirror.com/datasets/ZombitX64/mOSCAR_Thai

下载链接

链接失效反馈

官方服务：

资源简介：

--- license: cc language: - th size_categories: - 1M<n<10M ---

提供机构：

ZombitX64

ZombitX64/moscar-corpus-thai-cleaned

这是一个经过清洗的泰语大数据集，适用于自然语言处理任务，包括语言模型训练、文本分类、文本摘要和翻译等。数据集包含标题和正文两个字符串类型的特征，共有1,643,471个训练样本，总大小为5,132,779,656字节。使用Apache-2.0许可证，适用于研究但不建议商业用途。

Hugging Face2025-06-30 更新50

ZombitX64/OpenSubtitles-TW-Corpus-Thai-To-Chinese

--- license: cc-by-nc-nd-4.0 ---

Hugging Face2025-06-18 更新70

mOSCAR

mOSCAR是由法国国家信息与自动化研究所等机构创建的第一个大规模多语言和多模态文档级语料库，涵盖163种语言，包含315M文档、214B tokens和1.2B images。该数据集通过从Common Crawl中爬取数据，并经过一系列的过滤和评估步骤确保数据的安全性、多样性和质量。mOSCAR的创建旨在推动多语言和多模态研究，特别是在解决全球7000多种语言的mLLM研究限制问题。数据集的应

arXiv2024-06-13 更新380

ZombitX64/Thai-corpus-word

泰语综合语料库，包含用于训练tokenizer或LLM的泰语句子信息。

Hugging Face2025-06-29 更新40

ZombitX64/xauusd-gold-price-historical-data-2004-2025

XAUUSD（黄金对美元）2004至2025年历史价格数据集

Hugging Face2025-10-05 更新180