Trelis 发布 cosmopedia-v2-10percent-sample 数据集, 应用在 自然语言处理、文本生成 领域

Trelis 本次发布的数据集 cosmopedia-v2-10percent-sample, 该数据集包含多个特征，包括prompt（提示）、text（文本）、token_length（标记长度）、audience（受众）、format（格式）和seed_data（种子数据），数据类型分别为字符串和整数。数据集分为训练集，包含3913400个样本，总大小为21250364074.7字节。数据集的配置名为default，数据文件路径为data/train-*。

查看cosmopedia-v2-10percent-sample

Dataset card 内容： 

Files and versions 内容： 

关于 Trelis , Trelis Research 提供高级大型语言模型微调脚本、推理指南、API模板以及视觉和语音转录微调服务。

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。