semran1/dclm-1B-sample
收藏官方服务：
资源简介：
该数据集包含文本内容、URL、唯一标识符、文本语言及其评分等信息。训练集包含200万个示例，总数据大小为10GB左右。
The dataset includes text content, URL, unique identifier, text language, and its scores. The training set contains 2 million examples, with a total dataset size of approximately 10GB.
提供机构：
semran1
