Hishab Singapore Pte. Ltd 发布 TituLLMs 数据集, 应用在 自然语言处理、机器学习 领域

Hishab Singapore Pte. Ltd 本次发布的数据集 TituLLMs, TituLLMs是一个由Hishab Singapore Pte. Ltd等机构创建的孟加拉语数据集，包含大约37亿个tokens，数据来源于网页文档、书籍和合成的文本。该数据集旨在用于预训练语言模型，并针对世界知识和常识推理等任务进行了 benchmarking。

查看TituLLMs

Dataset card 内容： 

Files and versions 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。