FineWeb2 HQ
Открытый датасет «FineWeb2 HQ» от epfml. Лицензия ODC-BY. Файлы остаются у источника.
FineWeb2-HQ Dataset summary FineWeb2-HQ is a high-quality, model-filtered pretraining dataset derived as a subset of FineWeb2, spanning 20 languages. It enables around 6x faster pretraining compared to the base dataset. FineWeb2-HQ was created by selecting the top 10% quality documents of FineWeb2 in each language, based on scores assigned by a deep learning classifier trained to identify structured and knowledge-rich samples using XLM-RoBERTa embeddings.… Карточка открытого датасета. Файлы на площадку не копируются. Автор: epfml. Лицензия: ODC-BY.
Состав
- Тип
- Таблица
- Форматы
- PARQUET
- Строки
- —
- Часы
- —
- Объём
- —
- ПДн в карточке
- ПДн нет
- Язык
- ru
- География
- русский
Образец
Текстового образца нет. Для открытого набора файл лежит у источника.
Автор: epfml. Источник: https://huggingface.co/datasets/epfml/FineWeb2-HQ. Лицензия: ODC-BY (https://huggingface.co/datasets/epfml/FineWeb2-HQ).
Площадка является информационным посредником (ст. 1253.1 ГК РФ). Ответственность за законность данных несёт продавец. Сообщить о нарушении