embs_v1-4

kaggle2023-01-03 更新2024-03-08 收录

下载链接：

https://www.kaggle.com/datasets/mpivanova/embs-v14

下载链接

链接失效反馈

官方服务：

资源简介：

创建时间：

2023-01-03

Embed, transform and train v4 dataset

Dataset to savecheckpoint for notebook Embed, transform and train v4

kaggle2026-06-09 更新20

nvidia/embed-nemotron-dataset-v1

--- configs: - config_name: SyntheticClassificationData data_files: - path: SyntheticClassificationData/queries.parquet split: train - config_name: SyntheticClassificationData_corpus data_fi

Hugging Face2026-01-12 更新10

nomic-embed-text-v1

该数据集包含了用于文本嵌入的对立训练对，经过质量过滤后，处理后的相似对数量约为2.35亿。该数据集的规模达到了500万个样本，其任务是进行文本嵌入训练。

arXiv20

embed-nemotron-dataset-v1

该数据集是一个高质量微调数据集的汇编，旨在支持NVIDIA发布的llama-embed-nemotron-8b模型。它包含了从公开数据集（如MIRACL、HotpotQA、MS MARCO等）中提取的非合成数据，以及专门生成的合成数据，以增强任务类型的多样性。数据集经过复杂的硬负样本挖掘过程处理，以最大化学习信号。该数据集适用于检索、重排序、语义相似性和分类等多种用途，并支持多语言和跨语言文本检索

Hugging Face2026-01-06 更新60

mxbai-embed-large-v1

kaggle2024-04-02 更新00