发布 bookcorpus 数据集, 应用在 书籍文本、自然语言处理 领域

本次发布的数据集 bookcorpus, 该数据集是对BookCorpus进行清理、去重以及与pg19数据集交叉去重后的结果。此外，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、QASC、CSQA、HellaSWAG、CONLL 2003、BLIMP、MAIN、BoolQ、WinoGrande、ANLI、ARC、RACE、MMLU、MATH、GSM8K、HumanEval、MBPP和GPQA。数据集包含16,235个样本，下载的parquet文件大小为3.3G。

查看bookcorpus

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。