five

mlabonne/smoltalk-semhashed

收藏
Hugging Face2025-01-13 更新2025-02-15 收录
下载链接:
https://hf-mirror.com/datasets/mlabonne/smoltalk-semhashed
下载链接
链接失效反馈
官方服务:
资源简介:
这是一个基于semhash库创建的smoltalk数据集的近似去重版本,使用minishlab/potion-base-8M生成的embeddings进行去重,保证了相似度阈值为0.95。

This is a near-deduplicated version of the smoltalk dataset created with the semhash library, using embeddings generated by minishlab/potion-base-8M for deduplication, with a similarity threshold of 0.95.
提供机构:
mlabonne
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作