发布 Historical Texts Dataset 数据集, 应用在 历史文献、文本分析 领域

本次发布的数据集 Historical Texts Dataset, 该数据集是一个包含格式化、清理过的数据综合集，源自13至21世纪的历史文本资源，涵盖了公共领域书籍、学术文章、法律文本、报纸档案以及历史演讲的转录。该数据集经过多轮筛选和精炼，以解决诸如误标和OCR错误等质量问题。它全面覆盖了跨越九个世纪的历史文本，旨在应对包括追踪演变价值观、预判道德进步以及调节人类与人工智能价值观转变之间的反馈循环等进度对齐挑战。

查看Historical Texts Dataset

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。