Text8
收藏arXiv2025-09-30 收录
下载链接：
http://mattmahoney.net/dc/textdata.html
下载链接
链接失效反馈官方服务：
资源简介：
该数据集名为enwik8，包含了2006年3月3日英语维基百科XML转储文件的前100兆字节内容。它通常被用来评估模型在数据压缩方面的能力。其规模达到了100兆字节，适用于数据压缩评估这一任务。
This dataset, named enwik8, contains the first 100 megabytes of the English Wikipedia XML dump from March 3, 2006. It is widely used to evaluate models' performance on data compression tasks. With a size of 100 megabytes, it is specifically suitable for data compression evaluation.
提供机构：
English Wikipedia
