qwen-tokenized-corpus-ru

kaggle2024-03-07 更新2024-05-26 收录

下载链接：

https://www.kaggle.com/datasets/defdet/qwen-tokenized-corpus-ru

下载链接

链接失效反馈

官方服务：

资源简介：

创建时间：

2024-03-07

chenrm/h-corpus-tokenized-qwen2.5-ctx2048

这是一个包含input_ids和attention_mask两个特征字段的数据集，主要用于训练机器学习模型。数据集被划分为训练集，大小为21758092440字节，共有2123155个样本。数据集配置中包含了默认配置，指定了训练集的数据文件路径。

Hugging Face2025-02-12 更新20

pasindubg/singlish-tokenized-qwen

--- dataset_info: features: - name: input_ids list: int32 - name: labels list: int64 splits: - name: train num_bytes: 2417332164 num_examples: 6873915 - name: val num_b

Hugging Face2026-02-21 更新20

tokenized_ru_FIM_texts

该数据集包含结构化特征数据，主要字段包括：input_ids（int32列表类型）和fim_start（int64类型）。数据划分为训练集（train），包含1,463,258个样本，总大小为2,733,197,281字节。原始下载文件大小为1,260,759,635字节。数据文件存储路径为data/train-*。

Hugging Face2026-03-22 更新20

Tokenized_Corpus

kaggle2018-10-18 更新00

tokenized-wiki-ru-jax

kaggle2024-02-19 更新00