olm/olm-wikipedia-20221001

OLM October 2022 Wikipedia数据集是一个预训练数据集，基于2022年10月的Wikipedia快照创建。该数据集没有人工注释，语言为英语，且是单语言的。数据集的大小在1百万到1千万之间，主要用于语言建模和预训练任务。

The OLM October 2022 Wikipedia Dataset is a pre-training dataset constructed based on the October 2022 Wikipedia snapshot. This dataset contains no manual annotations, uses English as its language, and is a monolingual dataset. Its size ranges from 1 million to 10 million, and it is primarily utilized for language modeling and pre-training tasks.

原始信息汇总

数据集概述

基本信息

• 名称: OLM October 2022 Wikipedia
• 语言: 英语（English）
• 多语言性: 单语种（Monolingual）
• 许可证: 无记录

数据集特性

• 创建者语言: 发现（Found）
• 注释创建者: 无注释（No-annotation）
• 大小: 1M<n<10M

应用场景

• 预训练: 是
• 任务类别: 语言建模
• 相关领域: 维基百科, 网络

数据来源

• 源数据集: 无记录
• 创建方式: 使用OLM仓库从2022年10月的维基百科快照创建