akhooli/fineweb2_ar_14m_sample

Name: akhooli/fineweb2_ar_14m_sample
Creator: akhooli
Published: 2025-02-05 15:53:52
License: 暂无描述

Hugging Face2025-02-05 更新2025-02-15 收录

下载链接：

https://hf-mirror.com/datasets/akhooli/fineweb2_ar_14m_sample

下载链接

链接失效反馈

官方服务：

资源简介：

--- license: mit ---

提供机构：

该数据集包含大量的文本数据，具体内容未在README中描述。数据集被划分为训练集，共有超过1389百万个文本示例，整个数据集的大小为约73吉字节。

Hugging Face2025-02-09 更新30

该数据集包含文本内容和其他相关元数据，如唯一标识符、URL、日期等。它被划分为了训练集，可用于文本处理、语言识别等任务。数据集的具体应用场景和详细内容在README文件中未提供。

Hugging Face2025-02-02 更新60

这是一个小型阿拉伯语样本数据集，从FineWeb2数据集的阿拉伯子集提取，筛选出语言评分95%或以上的阿拉伯语条目，并随机抽样得到约230万个样本。

Hugging Face2025-01-10 更新70

该数据集包含两个特征字段：input_ids和attention_mask。input_ids是int32类型的序列，attention_mask是int8类型的序列。数据集被划分为训练集，共有大约1.389亿个训练样本，总大小约为24.1GB。提供了默认配置，指定了训练数据的文件路径。

Hugging Face2025-02-10 更新20

--- license: mit ---

Hugging Face2025-02-05 更新30