togethercomputer/RedPajama-Data-V2
Updated
•
2.22k
•
394
Pretrain-Datasets
预训练使用的超大规模开源数据集
-
-
bigcode/the-stack-v2
Viewer • Updated • 5.45B • 8.02k • 461 -
mlfoundations/dclm-baseline-1.0
Preview • Updated • 116k • 252 -
LLM360/TxT360
Updated • 26.1k • 248 -
opencsg/chinese-fineweb-edu-v2
Viewer • Updated • 188M • 2.88k • 72 -
HuggingFaceFW/fineweb-edu
Viewer • Updated • 3.5B • 289k • 939 -
bigcode/the-stack-dedup
Viewer • Updated • 237M • 19.9k • 382 -
HuggingFaceFW/fineweb-2
Viewer • Updated • 4.48B • 102k • 746 -
microsoft/RedStone
Updated • 17 • 35 -
CASIA-LM/ChineseWebText2.0
Viewer • Updated • 2k • 3.3k • 28 -
openbmb/Ultra-FineWeb
Viewer • Updated • 1.29B • 39.2k • 306