遇见数据集

ethanker/nanomind_1m

收藏
Hugging Face2025-10-18 更新2025-10-25 收录
官方服务:

资源简介:

Nanomind 1M预训练数据集是一个经过过滤和处理的用于语言模型预训练的英文数据集,包含262,227个来自网页文本和教育资源的文档。该数据集可用于文本生成、填空、文本分类、标记分类、问答和总结等多种NLP任务。

The Nanomind 1M Pretraining Dataset is an English language dataset filtered and processed for language model pretraining, containing 262,227 documents from web text and educational sources. It can be used for various NLP tasks such as text generation, fill-mask, text classification, token classification, question-answering, and summarization.

提供机构:
ethanker
二维码
社区交流群
二维码
科研交流群
商业服务