togethercomputer/RedPajama-Data-V2
Updated
•
5.41k
•
377
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 • 4.82k • 403 -
mlfoundations/dclm-baseline-1.0
Preview • Updated • 71.9k • 231 -
LLM360/TxT360
Updated • 8.55k • 238 -
opencsg/chinese-fineweb-edu-v2
Viewer • Updated • 188M • 918 • 66 -
HuggingFaceFW/fineweb-edu
Viewer • Updated • 3.5B • 95.5k • 739 -
bigcode/the-stack-dedup
Viewer • Updated • 237M • 5.06k • 364 -
HuggingFaceFW/fineweb-2
Viewer • Updated • 5.02B • 57.4k • 623 -
microsoft/RedStone
Updated • 13 • 34 -
CASIA-LM/ChineseWebText2.0
Viewer • Updated • 2k • 1.74k • 26 -
openbmb/Ultra-FineWeb
Viewer • Updated • 1.29B • 19.7k • 209