olm/olm-wikipedia-20220701

OLM August 2022 Wikipedia是一个预训练数据集，使用OLM仓库从2022年8月的Wikipedia快照创建。该数据集没有人工注释，语言为英语，且是单语言的。数据集的规模在1M到10M之间，主要用于预训练和语言建模任务。

OLM August 2022 Wikipedia is a pre-training dataset constructed from the August 2022 Wikipedia dump via the OLM repository. This dataset is free of human annotations, is English-only, and constitutes a monolingual corpus. The size of the dataset ranges from 1 million to 10 million, and it is primarily intended for pre-training and language modeling tasks.

原始信息汇总

数据集概述

基本信息

• 名称: OLM August 2022 Wikipedia
• 语言: 英语（English）
• 多语言性: 单语（Monolingual）
• 许可证: 无记录
• 大小: 1M<n<10M

创建信息

• 语言创建者: 发现（Found）
• 注释创建者: 无注释（No-annotation）

数据集用途

• 标签:
  • 预训练（Pretraining）
  • 语言建模（Language Modelling）
  • Wikipedia
  • 网络（Web）

数据来源

• 源数据集: 无记录
• 数据创建方式: 使用OLM仓库从2022年8月的Wikipedia快照创建