Arthur-LAGACHERIE/smollm-corpus-3.5M
收藏Hugging Face2025-03-13 更新2025-04-12 收录
下载链接：
https://hf-mirror.com/datasets/Arthur-LAGACHERIE/smollm-corpus-3.5M
下载链接
链接失效反馈官方服务：
资源简介：
这个数据集是一个用于实验大模型预训练的小型版本，包含了cosmopedia-v2（100万行）、fineweb-edu-dedup（100万行）、python-edu（50万行）和finemath-4plus（100万行）四个部分。每个部分都有不同的文本特征和相关数据，如文本内容、分数、语言、格式和来源等。
This dataset is a small version for experimenting with large-scale model pre-training, including cosmopedia-v2 (1M rows), fineweb-edu-dedup (1M rows), python-edu (0.5M rows), and finemath-4plus (1M rows). Each part has different text features and related data, such as text content, score, language, format, and source, etc.
提供机构：
Arthur-LAGACHERIE
