TinyStories

kaggle2023-11-24 更新2024-03-07 收录

下载链接：

https://www.kaggle.com/datasets/thedevastator/tinystories-narrative-classification

下载链接

链接失效反馈

官方服务：

资源简介：

A Diverse, Richly Annotated Corpus of Short-Form Stories

创建时间：

2023-11-24

TinyStories

TinyStories是一个合成数据集，包含只有3到4岁儿童通常理解的单词的短故事，由GPT-3.5和GPT-4生成。该数据集可用于训练和评估远小于当前最先进模型（总参数少于1000万）或具有更简单架构（仅一个transformer块）的LMs，这些模型仍能生成流畅、一致、多样且几乎完美语法的故事，并展示推理能力。

github2024-05-23 更新300

TinyStories

数据集包含由GPT-3.5和GPT-4合成的短篇故事，这些故事仅使用少量词汇。该数据集在相关论文中有所描述，并提供了用于训练、验证和评估的各种文件。此外，还提到了一个改进版本的数据集（TinyStoriesV2），该版本仅包含由GPT-4生成的故事。

Hugging Face2025-12-19 更新1420

tinystories

TinyStories数据集经过清理和去重处理，包含来自GPT-3.5的2,205,910个故事和来自GPT-4的2,733,747个故事。此外，该数据集已经过净化处理，去除了与多个基准测试集（如GLUE、SIQA等）的n-gram重叠部分，并在此过程中移除了2个文档。

Hugging Face2024-12-30 更新2040

TinyStories

该数据集包含由GPT-3.5和GPT-4生成的使用有限词汇的合成短故事。数据集的一个新版本基于仅由GPT-4生成的内容，包含比原数据集更大的子集。数据集适用于文本生成任务，并提供了相关的元数据和评估提示文件。

Hugging Face2025-10-24 更新130

TinyStories

Dataset containing synthetically generated (by GPT-3.5 and GPT-4) short stories that only use a small vocabulary.

OpenXLab00