遇见数据集

leonidas123/gemma-4-pretokenized-traces

收藏
Hugging Face2026-04-22 更新2026-04-26 收录
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
二维码
社区交流群
二维码
科研交流群
商业服务