Beijing Academy of Artificial Intelligence 发布 IndustryCorpus_news 数据集, 应用在 预训练数据集、行业分类 领域

Beijing Academy of Artificial Intelligence 本次发布的数据集 IndustryCorpus_news, 该数据集是一个高质量的多行业分类中英文预训练数据集，通过应用22个行业数据处理操作符，从超过100TB的开放源数据集中筛选出3.4TB的高质量数据。数据集包括1TB的中文数据和2.4TB的英文数据，涵盖18个行业类别，并进行了详细的标注和过滤，以提高数据质量和适用性。数据集的性能通过模型训练得到验证，显示了显著的改进。

查看IndustryCorpus_news

Dataset card 内容： 

Files and versions 内容： 

关于 Beijing Academy of Artificial Intelligence , 智源研究院（BAAI）是中国顶尖的人工智能研究机构，致力于推动AI基础理论与应用创新。

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。