redpajama

Name: redpajama
Creator: OpenDataLab
License: 暂无描述

OpenXLab2026-04-18 收录

下载链接：

https://openxlab.org.cn/datasets/OpenDataLab/redpajama

下载链接

链接失效反馈

官方服务：

资源简介：

RedPajama-数据存储库包含用于准备大型数据集以训练大型语言模型的代码。

提供机构：

OpenDataLab

创建时间：

2023-10-11

redpajama

RedPajama-数据存储库包含用于准备大型数据集以训练大型语言模型的代码。

OpenDataLab2026-07-05 更新210

RedPajama-V1, RedPajama-V2

RedPajama数据集由Together AI等多家机构联合创建，旨在为大规模语言模型（LLMs）的训练提供高质量、多样化的数据资源。数据集包含超过100万亿个Tokens，涵盖多个领域和语言，主要来源于网络爬取的原始文本数据。创建过程中，数据集经过详细的清洗和质量信号标记，以支持数据过滤和模型训练。RedPajama数据集的应用领域广泛，旨在推动透明和高性能语言模型的发展，解决当前语言模型训练

arXiv2024-11-19 更新1820

RedPajama-StackChange

Splited json file using for translation by SeamlessM4T

kaggle2023-10-08 更新40

RedPajama Dataset

The RedPajama dataset is used for single-turn dialogue task.

DataCite Commons2026-01-07 更新20

RedPajama-Tiny

This is a tiny version of the RedPajama dataset, which is a clean-room, fully open-source implementation of the LLaMa dataset. This dataset contains 64 samples from each of the 7 sources.

OpenXLab00