发布 Multilingual Wikipedia 数据集, 应用在 自然语言处理、语言建模 领域

本次发布的数据集 Multilingual Wikipedia, 该数据集是一个多语言数据集，包含了英语、德语、法语和意大利语的文档，其规模达到了170亿个标记，旨在应对语言建模的任务。

查看Multilingual Wikipedia

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。