ashtok897/indic-hplt-v2
收藏官方服务：
资源简介：
Indic HPLT v2 是一个多语言预训练语料库，包含 34,605,630 个文档（约 255 亿估计词元，约 218 GB 原始 JSONL 数据），涵盖 13 种印度语言和英语，基于 HPLT Monolingual v3 高质量网络爬取数据构建。
Indic HPLT v2 is a multilingual pre-training corpus containing 34,605,630 documents, approximately 25.5 billion estimated tokens, and about 218 GB of raw JSONL data. It covers 13 Indian languages and English, and is constructed based on high-quality web-crawled data from HPLT Monolingual v3.
提供机构：
ashtok897
