HindEnCorp 0.5

SSH Open MarketPlace2025-07-04 更新2025-07-05 收录

自然语言处理

语料库构建

数据链接：

https://marketplace.sshopencloud.eu/dataset/a05hYg 数据链接链接失效反馈

官方服务：

资源简介：

This corpus contains TED talks, news articles, Wikipedia articles, etc. The corpus is available for download from LINDAT and can be queried through KonText.

创建时间：

2025-07-04

cygu/sampling-distill-train-data-kth-shift4

自然语言处理

水印技术

该数据集用于基于采样的水印蒸馏训练，使用了KTH（s=4）水印策略。数据集包含640,000个水印样本，每个样本长度为256个token，这些样本是基于Llama 2 7B模型生成的。每个样本使用来自OpenWebText的50-token前缀进行提示，但这些前缀不包含在样本中。

Hugging Face2024-05-23 更新220

AdapterOcean/med_alpaca_standardized_cluster_32

文本聚类

自然语言处理

--- dataset_info: features: - name: text dtype: string - name: conversation_id dtype: int64 - name: embedding sequence: float64 - name: cluster dtype: int64 splits: - nam

Hugging Face2023-10-23 更新130

EIA_UK

自然语言处理

文本分析

该数据集是一个包含多种配置的文本数据集，每个配置具有不同的文本特征，如文档ID、文本内容、文件名、元数据和文本摘要等。它还包含了针对文本的分段信息、多跳问题、单次问答以及摘要等不同类型的数据。数据集适用于文本处理、摘要、问答等自然语言处理任务。

Hugging Face2025-04-10 更新110

cosmicvalor/toxic-qna

有毒内容识别

自然语言处理

--- language: - en dataset_info: features: - name: question dtype: string - name: answer dtype: string splits: - name: train num_bytes: 10584956 num_examples: 6866 download

Hugging Face2024-05-21 更新140

cstr/intel_orca_dpo_pairs_de

德语翻译

自然语言处理

该数据集是从mayflowergmbh/intel_orca_dpo_pairs_de翻译成德语的，并且被还原为原始的jsonl结构。数据集的语言为德语，使用的许可证为apache-2.0。

Hugging Face2024-03-25 更新130