togethercomputer/RedPajama-Data-V2
Updated
•
6.75k
•
388
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 • 8.05k • 436 -
mlfoundations/dclm-baseline-1.0
Preview • Updated • 465k • 250 -
LLM360/TxT360
Updated • 38.2k • 247 -
opencsg/chinese-fineweb-edu-v2
Viewer • Updated • 188M • 16k • 71 -
HuggingFaceFW/fineweb-edu
Viewer • Updated • 3.5B • 298k • 884 -
bigcode/the-stack-dedup
Viewer • Updated • 237M • 12.8k • 375 -
HuggingFaceFW/fineweb-2
Viewer • Updated • 4.48B • 59.1k • 707 -
microsoft/RedStone
Updated • 137 • 35 -
CASIA-LM/ChineseWebText2.0
Viewer • Updated • 2k • 2.49k • 27 -
openbmb/Ultra-FineWeb
Viewer • Updated • 1.29B • 64.8k • 280