dignity045/finemath-4plus

Name: dignity045/finemath-4plus
Creator: dignity045
Published: 2026-03-28 07:27:28
License: 暂无描述

Hugging Face2026-03-28 更新2026-04-12 收录

下载链接：

https://hf-mirror.com/datasets/dignity045/finemath-4plus

下载链接

链接失效反馈

官方服务：

资源简介：

--- license: apache-2.0 ---

许可证：Apache许可证2.0（Apache-2.0）

提供机构：

dignity045

matdmiller/finemath-4plus

这是一个包含网页文本内容的数据集，分为不同的规模版本，包括100k、10k、1M、1k和完整的(full)版本。每个版本都包含训练集和验证集，适用于自然语言处理任务。数据集的特征包括网页的URL、抓取时间、MIME类型、Warc文件信息、文本内容、词汇和字符计数、元数据、得分信息、爬虫和快照类型、语言信息等。

Hugging Face2025-03-08 更新150

aklein4/HuggingFaceTB-finemath-finemath-4plus-tokenized

该数据集包含文本输入和输出信息，适用于序列到序列的任务。数据集包含字段如源文本、输入ID列表、输出ID列表、输入token数量和输出token数量。训练集大小为约10GB，包含约6699万条示例。数据集整体大小与下载大小不同，可能包含了额外的验证集或测试集数据。

Hugging Face2025-07-21 更新70

finemath-4plus-flexible-ordering

这是一个包含文本数据的训练集，共有25617951个文本样本，数据集大小为128444912408字节，下载大小为28777284908字节。

Hugging Face2025-06-06 更新00

dignity045/Collective-Corpus

Collective-Corpus是一个超过5000亿token的大规模多语种数据集，设计用于从头开始训练Transformer语言模型，并在多个领域进行微调。它包括大规模、多样化的多语种文本来源，经过清洗、去重和过滤以保证质量。数据集旨在涵盖从原始预训练到特定领域微调的整个语言模型生命周期。

Hugging Face2025-08-12 更新50

KrisMinchev/finemath-4plus-tokenized

该数据集是一个网络爬取的数据集，包含URL、抓取时间、内容类型、WARC文件信息、文本内容、长度、字符计数、元数据、评分、语言信息等多个特征字段。数据集仅包含训练集，数据量较大，包含约669万条记录，总大小约为87GB。