该数据集包含文章的标题（title）、正文（text）、链接（url）、维基百科ID（wiki_id）、浏览量（views）、段落数（paragraph_id）、语言类型（langs）、嵌入向量（emb）、关键词（keywords）和标签（labels）等信息。数据集分为训练集，共有1000个示例，大小为4511738字节。

Hugging Face2025-02-13 更新120

Gargaz/llama_2

--- license: apache-2.0 ---

Hugging Face2024-03-30 更新90

Yusser/m_sae_wiki_tokenized

自然语言处理

维基百科数据

该数据集包含整数序列特征，适用于训练任务。它有一个训练集，包含超过560万个示例，总大小约为23.1GB。数据集提供了一个默认配置文件，用于指定训练数据的文件路径。

Hugging Face2025-02-17 更新140

rajeshradhakrishnan/malayalam_2020_wiki

自然语言处理

维基百科数据