CCNet 发布 CCNet 数据集, 应用在 模型训练、信息检索 领域

CCNet 本次发布的数据集 CCNet, 该数据集是一个大规模的、由网络爬取数据构成的集合，用于训练Contriever模型。此外，该数据集还与维基百科数据结合使用，以便在信息检索任务中进行训练。

查看CCNet

README 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。