Trelis 发布 smollm-corpus-2percent 数据集, 应用在 自然语言处理、文本分类 领域

Trelis 本次发布的数据集 smollm-corpus-2percent, 该数据集包含多个配置，主要用于自然语言处理任务。cosmopedia和default配置主要用于生成文本和相关信息，而fineweb及其分块配置则用于文本分类和元数据分析。每个配置都有详细的特征描述和数据文件路径，适用于不同的NLP应用场景。

查看smollm-corpus-2percent

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。