sapientinc/HRM-Text-data-io-cleaned-20260515

这是一个预构建的HRM-Text预训练数据集，使用data_io清理脚本从原始数据生成，适用于文本生成任务，语言为英语，大小在100B到1T之间。Pre-built HRM-Text pretraining dataset from raw data using the data_io cleaning scripts.