TiWu-Lab/math-zh

Name: TiWu-Lab/math-zh
Creator: TiWu-Lab
Published: 2025-07-18 16:14:01
License: 暂无描述

Hugging Face2025-07-18 更新2025-11-01 收录

下载链接：

https://hf-mirror.com/datasets/TiWu-Lab/math-zh

下载链接

链接失效反馈

官方服务：

资源简介：

--- license: odc-by ---

提供机构：

TiWu-Lab

TiWu-Lab/Wiki-zh

这是一个经过清洗的中文维基百科数据集，其中所有文本已从繁体中文转换为简体中文。数据集通过去除重复内容、低质量文本以及评分低于3分的文本进行了质量提升。最终包含2,021,184个样本，数据集以Parquet格式存储，总大小为3G。

Hugging Face2025-04-22 更新120

TiWu-Lab/CulturaX-zh

--- license: odc-by ---

Hugging Face2025-06-28 更新140

TiWu-Lab/fineweb-2-zh

--- license: odc-by ---

Hugging Face2025-06-28 更新20

TiWu-Lab/HPLT-zh

--- license: cc0-1.0 ---

Hugging Face2025-07-01 更新60

TiWu-Lab/CC-zh

这是一个经过高质量清洗的中文文本数据集，来源于Common Crawl。数据集通过移除包含非中英文字符、数字或大写字母比例过高的文档，以及使用fasttext模型筛选中文文档进行了清洗。所有繁体中文文本都被转换为简体中文。此外，使用Qwen2.5-32B-Instruct模型对文档进行了语言质量标注，并使用XLM-RoBERT-large分类器进一步筛选出质量较高的文档。最终数据集包含623,80

Hugging Face2025-10-20 更新330