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
Каталог
122 карточек. Снятые по жалобе сюда не попадают.
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
Таблицы
FineWeb2 HQ
Открытый датасет «FineWeb2 HQ» от epfml. Лицензия ODC-BY. Файлы остаются у источника.
ТаблицаODC-BY
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
Таблицы
XP3x
Открытый датасет «XP3x» от CohereLabs. Лицензия Apache-2.0. Файлы остаются у источника.
ТаблицаApache-2.0
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
Речь и аудио
GTSinger
Открытый датасет «GTSinger» от AaronZ345. Лицензия CC BY-NC-SA 4.0. Файлы остаются у источника.
АудиоCC BY-NC-SA 4.0Некоммерческое
У источникаОткрытые данные
Таблицы
Xwinograd
Открытый датасет «Xwinograd» от Muennighoff. Лицензия CC BY 4.0. Файлы остаются у источника.
ТаблицаCC BY 4.0
У источникаОткрытые данные
Таблицы
Wikipedia paragraphs
Открытый датасет «Wikipedia paragraphs» от singletongue. Лицензия CC BY-SA 4.0. Файлы остаются у источника.
ТаблицаCC BY-SA 4.0
У источникаОткрытые данные
Таблицы
Oasst1
Открытый датасет «Oasst1» от OpenAssistant. Лицензия Apache-2.0. Файлы остаются у источника.
ТаблицаApache-2.0
У источникаОткрытые данные
Таблицы
Global MMLU
Открытый датасет «Global MMLU» от CohereLabs. Лицензия Apache-2.0. Файлы остаются у источника.
ТаблицаApache-2.0
У источникаОткрытые данные