维基百科(wiki2019zh)包含104万个词条，可用于通用中文语料、预训练的语料或构建知识问答。新闻语料(news2016zh)包含250万篇新闻，可用于训练词向量或预训练的语料，也可用于训练标题生成模型或关键词生成模型。百科问答(baike2018qa)包含150万个问答，可用于训练词向量或预训练的语料，也可用于构建百科类问答。

github2019-03-26 更新460

Shayanvsf/Paraphrase

自然语言处理

释义识别

该数据集是一个文本分类数据集，包含成对的句子以及对应的标签。数据集被划分为训练集、验证集、测试集和一个OOD集，共计包含样本数超过6000个。

Hugging Face2025-04-08 更新130

open-llm-leaderboard-old/details_Azazelle__Dumb-Maidlet

自然语言处理

模型评估

该数据集是在Open LLM Leaderboard上对模型Azazelle/Dumb-Maidlet进行评估时自动创建的。数据集包含63个配置，每个配置对应一个评估任务。数据集由1次运行创建，每次运行的结果作为特定配置中的一个分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，results配置存储了所有运行的聚合结果，用于在Open LLM Leaderboard上计算和显

Hugging Face2023-12-30 更新120

GENIAC-team-haijima/yutohub-002-sft-data

机器学习

自然语言处理

--- dataset_info: features: - name: output dtype: string - name: input dtype: string - name: instruction dtype: string splits: - name: train num_bytes: 8959599 num_exam

Hugging Face2024-05-26 更新170

open-llm-leaderboard-old/details_BEE-spoke-data__smol_llama-220M-open_instruct

模型评估

自然语言处理

该数据集是在Open LLM Leaderboard上对模型BEE-spoke-data/smol_llama-220M-open_instruct进行评估时自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集从1次运行中创建，每次运行可以在每个配置中找到特定的分割，分割名称使用运行的时间戳。"train"分割始终指向最新的结果。此外，"results"配置存储了所有运行的聚合结果

Hugging Face2024-01-04 更新130

pszymanski/allegro-polish-summaries-corpus-llama2-2000rows

资源简介：

数据集许可证

相关数据集