san5167/new-user-data

--- license: bigcode-openrail-m language: - aa ---许可证：bigcode-openrail-m 语言： - aa

原始信息汇总

数据集概述

许可证

• 许可证类型：bigcode-openrail-m

语言

• 包含语言：aa

搜集汇总

背景与挑战

背景概述

该数据集是一个多源文本数据集合，包含the pile、wikipedia、百度百科、知乎等20多个来源的数据，覆盖百科、论坛、学术论文等多种文本类型，总大小为274 MB。但数据集生成失败，存在数据类型转换错误，且大多数数据源标注为不可商用，授权限制较多，可能影响实际使用。