该数据集包含了三个不同的配置：ptp-ar、ptp-cs和ptp-de。每个数据集都有详细的特征和分割信息。特征包括文本数据、元数据、观点评分、毒性评分和检测到的语言。分割信息包括数据集的字节大小和示例数量，分为完整和小型子集。元数据包括数据类别、语言、时间戳和URL等信息。观点评分包括各种类型的有害内容的属性评分，如身份攻击、侮辱、亵渎、严重毒性、威胁和毒性，具有详细的跨度评分和摘要评分。数据集

Hugging Face2025-08-14 更新90

swiss-ai/robots-txt-blocked-domains-english

robots.txt

Web可访问性

--- license: apache-2.0 ---

Hugging Face2025-07-22 更新120

swiss-ai/apertus-pretrain-poisonandcanaries

机器学习安全

自然语言处理

数据集包含不同配置的文件，如canaries_random、canaries_pii、canaries_goldfish、poisons和fictional_qa，但README文件中未提供数据集的详细描述。从配置名称和文件扩展名（.jsonl.gz，表示JSON Lines格式压缩文件）推断，该数据集可能包含与金丝雀、毒物和虚构问答场景相关的不同类型的数据。由于README中未提供中文描述，以下

Hugging Face2025-10-27 更新110

swiss-ai/fineweb-robots-txt-files-compressed

资源简介：

相关数据集