SmolLM corpus
收藏arXiv2025-09-30 收录
下载链接：
https://github.com/huggingface/smollm
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是一个用于训练语言模型的庞大文本数据集，涵盖了广泛的主题内容。此外，它还包含了数学和代码数据，以确保在处理文本时能够保持其相关能力。该数据集的任务是对文本进行处理。
This is a large-scale text dataset designed for training language models, covering a wide range of topics. It also incorporates mathematical and code data to maintain the relevant capabilities of the language model during text processing. The core task of this dataset is text processing.
提供机构：
SmolLM Project
