togethercomputer/RedPajama-Data-V2
Updated • 6.98k • 405
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 • 22.2k • 604 -
mlfoundations/dclm-baseline-1.0
Preview • Updated • 295k • 296 -
LLM360/TxT360
Updated • 6.4k • 264 -
opencsg/chinese-fineweb-edu-v2
Viewer • Updated • 188M • 2.46k • 74 -
HuggingFaceFW/fineweb-edu
Viewer • Updated • 3.5B • 349k • 1.2k -
bigcode/the-stack-dedup
Viewer • Updated • 237M • 19.5k • 400 -
HuggingFaceFW/fineweb-2
Viewer • Updated • 4.48B • 63.7k • 842 -
microsoft/RedStone
Updated • 12 • 35 -
CASIA-LM/ChineseWebText2.0
Viewer • Updated • 2k • 3.26k • 33 -
openbmb/Ultra-FineWeb
Viewer • Updated • 1.29B • 77k • 397