emozilla/dolma-v1_7-305B

该数据集是Dolma v1.7的10%样本，包含约305B个tokens，并且直接上传为Hugging Face数据集。作为一个纯样本，它遵循ODC-BY许可证。

This dataset is a 10% sample of Dolma v1.7, containing around ~305B tokens, used for language modeling tasks. It follows the ODC-BY license.

原始信息汇总

数据集概述

基本信息

• 数据集名称: Dolma
• 许可证: ODC-BY
• 任务类别:
  • 文本生成
• 语言:
  • 英语
• 标签:
  • 语言建模
  • 休闲语言模型
  • 大型语言模型
• 数据集大小:
  • 100B < n < 1T

详细描述

• 数据来源:
  • 该数据集是 Dolma v1.7 的 10% 样本。
• 数据量:
  • 约 305B 个 token。
• 上传平台:
  • 直接上传至 Hugging Face 数据集。
• 许可证:
  • 该样本数据集保留了 ODC-BY 许可证。