Geralt-Targaryen/C4-filtered
收藏官方服务：
资源简介：
这是一个基于C4数据集的模型筛选版本，通过两个阶段的处理移除了广告内容以及语言质量低的文档。数据集包含2.41亿个样本，文件大小为397G。
This is a model-filtered version of the C4 dataset, which has undergone two stages of processing to remove advertisements and documents with low-quality language. The dataset contains 241,791,494 samples with a file size of 397G.
提供机构：
Geralt-Targaryen
