nhagar/crawlpt_dedup_urls
收藏官方服务：
资源简介：
该数据集提供了从eduagarcia/CrawlPT_dedup数据集中提取的URL和顶级域名，旨在帮助研究人员和实践者无需处理大量原始文本即可探索大型LLM训练数据集的内容。
This dataset provides the URLs and top-level domains extracted from the eduagarcia/CrawlPT_dedup dataset, aiming to help researchers and practitioners explore the content of large LLM training datasets without having to manage terabytes of raw text.
提供机构：
nhagar
