iula_tokenizer

B2FIND2026-04-25 收录

自然语言处理

文本分词

数据链接：

https://b2find.eudat.eu/dataset/f94a8bdf-0efa-51b2-a8e5-0f2f63ced5b2 数据链接链接失效反馈

官方服务：

资源简介：

Text tokenizer (the text tokenizer requires that the input text be in plain text format (file.txt) and UTF-8 encoded).

GermanSTSBenchmark

自然语言处理

德语

该数据集是一个针对德语文本相似度评估的基准测试集，常用于评价句子对之间的相似度。它特别适用于评估双语模型在德语任务上的性能表现，其任务类型为语义文本相似度。

arXiv140

yaswanth-iitkgp/Refined_Prompts

自然语言处理

提示生成

--- dataset_info: features: - name: System_Prompt dtype: string - name: Raw_Prompts dtype: string - name: Total_Chars dtype: int64 - name: Total_Texts dtype: int64 - name:

Hugging Face2024-06-08 更新130

vinilazzari/apis_test

自然语言处理

--- dataset_info: features: - name: instruction dtype: string - name: input dtype: string - name: text dtype: string - name: output dtype: string splits: - name: train

Hugging Face2024-04-23 更新60

multi-train/nq-train-multikilt_1107

自然语言处理

机器学习

--- configs: - config_name: default data_files: - split: train path: data/train-* dataset_info: features: - name: query dtype: string - name: pos sequence: string - name: neg

Hugging Face2023-11-10 更新140

tzwilliam0/instruction_following_dpo_filtered_add

自然语言处理

机器学习

该数据集包含三个字段：提示(prompt)、选中(chosen)和拒绝(rejected)，均为字符串类型。它被划分为训练集，共有18828个示例，数据集总大小为23622317字节。

Hugging Face2025-10-21 更新80