遇见数据集

Beetle-Data/et-2B-pretok

收藏
Hugging Face2026-05-18 更新2026-05-31 收录
官方服务:

资源简介:

Beetle-Data/et-2B-pretok是一个预分块的数据集,每个块由513个标记的打包序列组成,确保没有跨文档的混合。数据集以分片形式提供,所有部分上传完成后会通过`data/_finalized.json`文件标记完成状态。

Beetle-Data/et-2B-pretok is a pretokenized dataset consisting of chunks with 513-token packed sequences and no cross-document bleeding. It is sharded incrementally, and the completion of all parts is marked by the `data/_finalized.json` file.

提供机构:
Beetle-Data
二维码
社区交流群
二维码
科研交流群
商业服务