togethercomputer/RedPajama-Data-V2
Updated • 4.79k • 405
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 • 307k • 304 -
IFM/TxT360
Updated • 9.09k • 266 -
opencsg/chinese-fineweb-edu-v2
Viewer • Updated • 188M • 3.63k • 74 -
HuggingFaceFW/fineweb-edu
Viewer • Updated • 3.5B • 387k • 1.25k -
HuggingFaceFW/fineweb-2
Viewer • Updated • 4.48B • 80.1k • 856 -
microsoft/RedStone
Updated • 26 • 35 -
CASIA-LM/ChineseWebText2.0
Viewer • Updated • 2k • 4.18k • 33 -
openbmb/Ultra-FineWeb
Viewer • Updated • 1.29B • 113k • 413 -
HuggingFaceCode/stack-v3-train
Viewer • Updated • 173M • 197k • 334