发布 openwebmath 数据集, 应用在 数学、自然语言处理 领域

本次发布的数据集 openwebmath, 这是一个名为OpenWebMath的数据集的清理、去重和去污染版本。该数据集移除了非英语文档和低质量文档，并与OpenWebText2和CC-News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。去污染过程中移除了约2.1K个文档。数据集包含5,940,182个样本，下载的parquet文件大小为24G。

查看openwebmath

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。