LAION eV 发布 biorXiv-pdf 数据集, 应用在 生物学、人工智能 领域

LAION eV 本次发布的数据集 biorXiv-pdf, BiorXiv PDF数据集是从BiorXiv网站收集的PDF文档集合。该数据集旨在通过提供易于获取的训练数据来促进人工智能研究。数据集包含340,708个PDF文件，其中245,586个已成功下载，总大小为1.1TB。数据集主要为英文，与生物学及相关学科相关。该数据集预计将用于训练和微调模型，特别是在科学领域。然而，PDF的许可信息尚未完全提供，部分PDF可能具有限制性许可。该数据集是发布开放获取研究论文作为集体数据集的努力的一部分。

查看biorXiv-pdf

Dataset card 内容： 

Files and versions 内容： 

关于 LAION eV , LAION是一个专注于构建大规模图像-文本对数据集的开源项目。

关于 HuggingFace , Hugging Face是一个机器学习社区协作平台，专注于模型、数据集和应用程序的创建、发现和协作。该平台支持多种数据类型，包括文本、图像、视频、音频和3D数据，并提供开源工具和付费计算及企业解决方案。