发布 tinystories2 数据集, 应用在 自然语言处理、故事生成 领域

本次发布的数据集 tinystories2, 该数据集是一个合成的故事数据集，包含884,626个儿童故事和2,520,247个一般故事。这些故事已经过清理、去重，并与TinyStories数据集进行了交叉去重。此外，该数据集还针对多个基准测试进行了去污染处理，包括GLUE、SIQA、PIQA等。在此过程中，移除了715个文档。下载的parquet文件大小为5.6G。

查看tinystories2

Dataset card 内容： 

Files and versions 内容： 

关于 , 国庆学校是一所位于中国的教育机构，专注于提供基础教育服务。学校致力于培养学生的综合素质，注重学术与品德的全面发展。

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。