Multimodal Art Projection 发布 FineFineWeb 数据集, 应用在 自然语言处理、文本分类 领域

Multimodal Art Projection 本次发布的数据集 FineFineWeb, FineFineWeb是一个关于细粒度领域网络语料库的综合研究数据集。该数据集设计用于多种自然语言处理任务，如文本分类、文本生成和文本到文本生成。它包含来自多个领域的数据，每个领域在不同迭代中都有特定的标记和样本计数。数据构建流程包括去重、URL标记、粗召回和细召回过程，以及迭代优化。数据集还包括领域间相似性、重复性和与基准相关性的分析。该数据集采用Apache 2.0许可证，并且仅提供英文版本。

查看FineFineWeb

Dataset card 内容： 

Files and versions 内容： 

关于 Multimodal Art Projection , Multimodal Art Projection（MAP）是一个专注于多模态人工智能研究的开源社区。

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。