togethercomputer/RedPajama-Data-V2
Updated • 13.2k • 408
Pretrain-Datasets
预训练使用的超大规模开源数据集
-
-
mlfoundations/dclm-baseline-1.0
Viewer • Updated • 3.02B • 675k • 316 -
IFM/TxT360
Updated • 25.2k • 272 -
opencsg/chinese-fineweb-edu-v2
Viewer • Updated • 188M • 2.46k • 75 -
HuggingFaceFW/fineweb-edu
Viewer • Updated • 3.5B • 432k • 1.31k -
HuggingFaceFW/fineweb-2
Viewer • Updated • 4.48B • 99.4k • 891 -
microsoft/RedStone
Updated • 24 • 36 -
CASIA-LM/ChineseWebText2.0
Viewer • Updated • 2k • 2.75k • 34 -
openbmb/Ultra-FineWeb
Viewer • Updated • 1.29B • 82.5k • 449 -
HuggingFaceCode/stack-v3-train
Viewer • Updated • 173M • 180k • 383