Laws

NIAID Data Ecosystem2026-05-10 收录

文本数据

立法语料库

数据链接：

https://doi.org/10.7910/DVN/6NQXHF 数据链接链接失效反馈

官方服务：

资源简介：

This directory contains all published datasets and their codebooks of the ParlText database on laws.

创建时间：

2026-02-13

catallama/Catalan-Raw-Text

自然语言处理

文本数据

加泰罗尼亚语原始文本数据集是projecte-aina/catalan_general_crawling数据集的一个子集。该数据集包含404k个样本，总计331M个token，使用Llama-3 Tokenizer进行分词。数据集的语言为加泰罗尼亚语（ca-ES），包含两个数据分割：train和test。数据字段为text（字符串类型）。数据集遵循Creative Commons Attribut

Hugging Face2024-05-25 更新220

yirenc/10K_general_10K_ethics_2024

文本数据

伦理

--- dataset_info: features: - name: text dtype: string splits: - name: train num_bytes: 22583262.0 num_examples: 19846 download_size: 10899937 dataset_size: 22583262.0 configs:

Hugging Face2024-05-28 更新110

Venki-ds/test-my-guanaco-llama2-1k

文本数据

测试模型

--- dataset_info: features: - name: text dtype: string splits: - name: train num_bytes: 1654448 num_examples: 1000 download_size: 966694 dataset_size: 1654448 configs: - config

Hugging Face2023-12-13 更新110

FalconX80/bhoomillama-5.5k

文本数据

该数据集包含5500个样本，每个样本包含Prompt、Answer和text三个字段，数据类型均为字符串。数据集分为一个训练集，大小为2206576字节。

Hugging Face2024-07-08 更新180

Charlie-Bell/reddit_comment_reply

社交媒体广告

文本数据

--- license: mit ---

Hugging Face2023-07-25 更新110