发布 Pile of Law 数据集, 应用在 法律文本处理、自然语言处理 领域

本次发布的数据集 Pile of Law, 该数据集是由多个数据集组合而成，专门用于对DALE进行预训练，主要涉及法律文件。此外，该数据集还用于无监督的文本去噪和法律语言建模任务。其规模大约包含410万个文档，总数据量约为48GB。该数据集的任务是针对生成式数据增强的预训练。

查看Pile of Law

README 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 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。