发布 YALM-pretrain3-122M 数据集, 应用在 自然语言处理、多语言数据 领域

本次发布的数据集 YALM-pretrain3-122M, YALM预训练数据集-3是一个包含数学、Python代码和英语、印地语、古吉拉特语多语言数据的混合数据集，用于语言建模任务和YALM（Yet Another Language Model）的开发。总样本数约为1.22亿，测试集样本数为2.2万。数据集未打乱顺序，直接连接。数据集包含了来自不同数据源的多语言子集。

查看YALM-pretrain3-122M

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。