vllg/long_c4
收藏Hugging Face2023-09-20 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/vllg/long_c4
下载链接
链接失效反馈官方服务：
资源简介：
这是一个C4-en数据集的过滤子集，包含13,688,429页，每页至少8,000个字符，适合训练具有较长上下文窗口的模型。
A filtered subset of C4-en containing 13,688,429 pages that are at least 8,000 characters long, useful for training models with longer context windows.
提供机构：
vllg
原始信息汇总
数据集概述
许可证
- 开放数据共享许可（ODC-BY）
任务类别
- 文本生成
- 填充掩码
语言
- 英语
数据规模
- 10M<n<100M
数据描述
- 包含13,688,429页，每页至少8,000个字符，适用于训练具有较长上下文窗口的模型。
