XiaoduoAILab 发布 Xdata 数据集, 应用在 自然语言处理、机器学习 领域

XiaoduoAILab 本次发布的数据集 Xdata, 该数据集是一个自建的平衡中英双语的语料库，旨在根据下游任务的优化进行调整。该数据集被用于训练Xmodel-LM模型，尽管其规模较小，但与其他模型相比，该模型展现出了具有竞争力的性能。该数据集的规模大约为2万亿个标记，其任务是进行语言模型的预训练。

查看Xdata

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。