杭州爻乾数字科技有限公司

企业

杭州爻乾数字科技有限公司围绕相关业务开展运营。面向语言模型预训练、OCR等领域提供数据服务，开放AI大模型电子书训练数据集（语言模型预训练、OCR），支撑模型训练与算法优化。

语言模型预训练文字识别技术AI大模型电子书

成立于 2011 年浙江省hzyq@163.com

数据集列表

AI大模型电子书训练数据集

语言模型预训练

OCR

该数据集基于电子书OCR数据，涵盖学术著作、小说、期刊、教材等多类型扫描文本，经过版面分析与OCR识别，随后进行分段、去噪、纠错、标注和格式化处理的数字文本。该数据集应用于大语言模型预训练，通过引入该数据，大语言模型在长文本生成、阅读理解和专业问答任务上的准确率显著提升，语言风格更加规范，知识覆盖更全面。

杭州数据交易所2026-08-04 更新20