leonidas123/gemma-4-pretokenized-traces
收藏Hugging Face2026-04-22 更新2026-04-26 收录
下载链接：
https://hf-mirror.com/datasets/leonidas123/gemma-4-pretokenized-traces
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是一个预分词处理的数据集合，包含多个领域的子集：幼儿教育、功能调用、长文本Alpaca模型、小学数学、医学问答（MedQuad）、大规模科学（MegaScience）以及多语言数据（OPUS 3300）。每个子集都有训练分割，提供了输入ID和注意力掩码的特征。
This dataset is a collection of pretokenized data subsets across various domains: education for young children, function calling, long-form alpaca, grade school mathematics, medical queries (MedQuad), large-scale science (MegaScience), and multilingual data (OPUS 3300). Each subset includes a training split with features such as input IDs and attention masks.
提供机构：
leonidas123
