togethercomputer/RedPajama-Data-V2
Updated • 6.21k • 399
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 • 9.88k • 525 -
mlfoundations/dclm-baseline-1.0
Preview • Updated • 139k • 262 -
LLM360/TxT360
Updated • 47.1k • 248 -
opencsg/chinese-fineweb-edu-v2
Viewer • Updated • 188M • 1.21k • 73 -
HuggingFaceFW/fineweb-edu
Viewer • Updated • 3.5B • 306k • 1.01k -
bigcode/the-stack-dedup
Viewer • Updated • 237M • 12.5k • 392 -
HuggingFaceFW/fineweb-2
Viewer • Updated • 4.48B • 39.5k • 774 -
microsoft/RedStone
Updated • 17 • 35 -
CASIA-LM/ChineseWebText2.0
Viewer • Updated • 2k • 3.75k • 29 -
openbmb/Ultra-FineWeb
Viewer • Updated • 1.29B • 26.7k • 332