the-pile-freelaw-refined-by-data-juicer
收藏魔搭社区2025-11-14 更新2024-05-15 收录
下载链接：
https://modelscope.cn/datasets/Data-Juicer/the-pile-freelaw-refined-by-data-juicer
下载链接
链接失效反馈官方服务：
资源简介：
A refined version of FreeLaw dataset in The Pile by Data-Juicer. Removing some "bad" samples from the original dataset to make it higher-quality. This dataset is usually used to pretrain a Large Language Model.
该数据集是由Data-Juicer对《The Pile》中的FreeLaw数据集（FreeLaw dataset）进行精炼后得到的版本。其通过移除原始数据集中的部分“坏”样本，以提升整体数据质量。该数据集通常用于大语言模型（Large Language Model）的预训练。
提供机构：
maas
创建时间：
2023-08-01
搜集汇总
数据集介绍
背景与挑战
背景概述
该数据集是The Pile中FreeLaw数据集的精炼版本，通过Data-Juicer工具去除低质量样本以提升数据质量，适用于大语言模型预训练。精炼后保留了约82.61%的原始样本，共计2,942,612条数据。
以上内容由遇见数据集搜集并总结生成
