PoLitBert_v32k_tri_125k - Polish RoBERTa model

B2FIND2026-04-29 收录

多语言自然语言处理

预训练语言模型

数据链接：

https://b2find.eudat.eu/dataset/2f3ee86b-271b-5417-a2fe-e97d8ffa4c85 数据链接链接失效反馈

官方服务：

资源简介：

Polish RoBERTa model trained on Polish Wikipedia, Polish literature and Oscar.

Skywork/ChineseDomainModelingEval

多语言自然语言处理

模型评估

Skywork/ChineseDomainModelingEval是中文领域建模能力评测数据集，我们对多个领域筛选出2023年9月份-2023年10月份新发布的几百到上千篇高质量文章，并人工进行了核对。测试数据的来源也足够广泛，质量也高。我们可以选取当前最新的文章评测不同模型的Perplexity，模型很难作弊。并且我们会持续按照最新数据评测各个模型效果，动态更新各个模型能力。

Hugging Face2023-11-02 更新500

mhr2004/plm-train-nsp-1000000-tokenized

自然语言处理

预训练语言模型

--- dataset_info: features: - name: text dtype: string - name: label dtype: int64 - name: input_ids sequence: int32 - name: attention_mask sequence: int8 splits: - name:

Hugging Face2024-04-30 更新80

FiLM

金融数据分析

预训练语言模型

FiLM数据集是由汉阳大学应用人工智能系创建，包含10个子数据集，总计24亿条数据。该数据集涵盖了金融领域的多种文档类型，如新闻、SEC文件、盈利电话会议记录、学术论文等。创建过程中，研究团队从多个来源收集数据，并进行了详细的预处理，包括清洗和去重。FiLM数据集主要用于训练和评估金融预训练语言模型，旨在提高模型在金融领域的泛化能力和性能，解决金融数据分析中的关键问题。

arXiv2023-10-20 更新60

duwuonline/UIT-VSMEC

情感分析

多语言自然语言处理

该数据集来自UIT（信息技术大学），包含7个类别：其他、厌恶、享受、愤怒、惊讶、悲伤、恐惧。数据集的语言为越南语，主要用于情感分类任务。

Hugging Face2023-08-28 更新160

H-Prop and H-Prop-News Propaganda Datasets in Hindi

宣传检测

多语言自然语言处理

The H-Prop dataset contains 28,630 articles created by translating a portion of Proppy Corpus in Hindi. Each article is labeled as either “propagandistic” (positive class) or “non-propagandistic” (neg

Zenodo2022-01-07 更新60

PoLitBert_v32k_tri_125k - Polish RoBERTa model

资源简介：

相关数据集