Текст и NLP
C4
Открытый датасет «C4» от allenai. Лицензия ODC-BY. Файлы остаются у источника.
ТекстODC-BY
У источникаОткрытые данные
Текст и NLP
Новости, отзывы, инструкции и диалоги на русском для языковых моделей.
Текст и NLP
Wiki lingua
Открытый датасет «Wiki lingua» от GEM. Лицензия CC BY-NC-SA 3.0. Файлы остаются у источника.
ТекстCC BY-NC-SA 3.0Некоммерческое
У источникаОткрытые данные
Текст и NLP
Wikipedia
Открытый датасет «Wikipedia» от legacy-datasets. Лицензия CC BY-SA 3.0. Файлы остаются у источника.
ТекстCC BY-SA 3.0
У источникаОткрытые данные
Текст и NLP
Belebele
Открытый датасет «Belebele» от facebook. Лицензия CC BY-SA 4.0. Файлы остаются у источника.
ТекстCC BY-SA 4.0
У источникаОткрытые данные
Текст и NLP
Megawika
Открытый датасет «Megawika» от hltcoe. Лицензия CC BY-SA 4.0. Файлы остаются у источника.
ТекстCC BY-SA 4.0
У источникаОткрытые данные
Текст и NLP
Telegram news ua dataset
Открытый датасет «Telegram news ua dataset» от aisbergpublicorganization. Лицензия CC BY 4.0. Файлы остаются у источника.
ТекстCC BY 4.0
У источникаОткрытые данные
Текст и NLP
M ABSA
Открытый датасет «M ABSA» от Multilingual-NLP. Лицензия Apache-2.0. Файлы остаются у источника.
ТекстApache-2.0
У источникаОткрытые данные
Текст и NLP
HelpSteer3
Открытый датасет «HelpSteer3» от nvidia. Лицензия CC BY 4.0. Файлы остаются у источника.
ТекстCC BY 4.0
У источникаОткрытые данные
Текст и NLP
Sib200
Открытый датасет «Sib200» от Davlan. Лицензия CC BY-SA 4.0. Файлы остаются у источника.
ТекстCC BY-SA 4.0
У источникаОткрытые данные
Текст и NLP
Wikipedia monthly
Открытый датасет «Wikipedia monthly» от omarkamali. Лицензия CC BY-SA 4.0. Файлы остаются у источника.
ТекстCC BY-SA 4.0
У источникаОткрытые данные
Текст и NLP
Miracl corpus
Открытый датасет «Miracl corpus» от miracl. Лицензия Apache-2.0. Файлы остаются у источника.
ТекстApache-2.0
У источникаОткрытые данные
Текст и NLP
T ECD
Открытый датасет «T ECD» от t-tech. Лицензия CC BY-NC-SA 4.0. Файлы остаются у источника.
ТекстCC BY-NC-SA 4.0Некоммерческое
У источникаОткрытые данные
Текст и NLP
Miracl
Открытый датасет «Miracl» от miracl. Лицензия Apache-2.0. Файлы остаются у источника.
ТекстApache-2.0
У источникаОткрытые данные
Текст и NLP
Ml spoken words
Открытый датасет «Ml spoken words» от MLCommons. Лицензия CC BY 4.0. Файлы остаются у источника.
ТекстCC BY 4.0
У источникаОткрытые данные
Текст и NLP
Wmt24pp
Открытый датасет «Wmt24pp» от google. Лицензия Apache-2.0. Файлы остаются у источника.
ТекстApache-2.0
У источникаОткрытые данные
Текст и NLP
Include base 44
Открытый датасет «Include base 44» от CohereLabs. Лицензия Apache-2.0. Файлы остаются у источника.
ТекстApache-2.0
У источникаОткрытые данные
Текст и NLP
Multilingual pl bert
Открытый датасет «Multilingual pl bert» от styletts2-community. Лицензия CC BY 4.0. Файлы остаются у источника.
ТекстCC BY 4.0
У источникаОткрытые данные
Текст и NLP
Xlsum
Открытый датасет «Xlsum» от GEM. Лицензия CC BY-NC-SA 4.0. Файлы остаются у источника.
ТекстCC BY-NC-SA 4.0Некоммерческое
У источникаОткрытые данные
Текст и NLP
OCR Synthetic Multilingual v1
Открытый датасет «OCR Synthetic Multilingual v1» от Felix92. Лицензия CC BY 4.0. Файлы остаются у источника.
ТекстCC BY 4.0
У источникаОткрытые данные
Текст и NLP
YouTube Commons
Открытый датасет «YouTube Commons» от PleIAs. Лицензия CC BY 4.0. Файлы остаются у источника.
ТекстCC BY 4.0
У источникаОткрытые данные
Текст и NLP
Imatrix calibration
Открытый датасет «Imatrix calibration» от eaddario. Лицензия MIT. Файлы остаются у источника.
ТекстMIT
У источникаОткрытые данные
Текст и NLP
OCR Synthetic Multilingual v1
Открытый датасет «OCR Synthetic Multilingual v1» от Nishant2414. Лицензия CC BY 4.0. Файлы остаются у источника.
ТекстCC BY 4.0
У источникаОткрытые данные
Текст и NLP
Smol
Открытый датасет «Smol» от google. Лицензия CC BY 4.0. Файлы остаются у источника.
ТекстCC BY 4.0
У источникаОткрытые данные
Текст и NLP
Oscar small
Открытый датасет «Oscar small» от nthngdy. Лицензия CC0. Файлы остаются у источника.
ТекстCC0
У источникаОткрытые данные