BEE-spoke-data/TxT360-5M-sample-en
收藏Hugging Face2024-10-11 更新2024-12-14 收录
下载链接：
https://hf-mirror.com/datasets/BEE-spoke-data/TxT360-5M-sample-en
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是从LLM360/TxT360中提取的英文样本，包含500万个示例，每个示例的GPT-4 token长度在256到24576之间。数据集的总token数为5018.07 M。数据集的特征包括文本和子集，分为默认和mdformat两种配置，每种配置都有训练集，训练集的大小和下载大小也分别列出。
This dataset is an English text generation and feature extraction dataset, containing two configurations: default and mdformat. Each configurations training set includes 5,000,000 samples, with text lengths ranging from 256 to 24576 GPT-4 tokens, totaling 5018.07M tokens.
提供机构：
BEE-spoke-data
