togethercomputer/RedPajama-Data-V2
Updated • 8.93k • 403
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 • 18.1k • 565 -
mlfoundations/dclm-baseline-1.0
Preview • Updated • 498k • 274 -
LLM360/TxT360
Updated • 653k • 259 -
opencsg/chinese-fineweb-edu-v2
Viewer • Updated • 188M • 3.7k • 73 -
HuggingFaceFW/fineweb-edu
Viewer • Updated • 3.5B • 625k • 1.09k -
bigcode/the-stack-dedup
Viewer • Updated • 237M • 13.7k • 396 -
HuggingFaceFW/fineweb-2
Viewer • Updated • 4.48B • 57k • 803 -
microsoft/RedStone
Updated • 31 • 35 -
CASIA-LM/ChineseWebText2.0
Viewer • Updated • 2k • 3.22k • 29 -
openbmb/Ultra-FineWeb
Viewer • Updated • 1.29B • 52.5k • 342