遇见数据集

KnutJaegersberg/essential-web-smol-sample-fdc-partitioned

收藏
Hugging Face2025-06-22 更新2025-10-25 收录
官方服务:

资源简介:

Essential-Web是一个包含24万亿个token的网络数据集,具有广泛的文档级元数据,旨在通过SQL-like过滤快速进行数据集整理。该数据集按照FDC Level-2类别进行划分,以便研究人员能够快速识别和筛选相关内容领域。

Essential-Web is a 24-trillion-token web dataset with extensive document-level metadata designed to enable rapid dataset curation through SQL-like filtering. This dataset is partitioned by Free Decimal Correspondence (FDC) level-2 categories to facilitate quick identification and filtering of relevant content domains.

提供机构:
KnutJaegersberg
二维码
社区交流群
二维码
科研交流群
商业服务