Hugging Face 发布 Fineweb-Pro 数据集, 应用在 机器学习、英文数据集 领域

Hugging Face 本次发布的数据集 Fineweb-Pro, 该数据集是一套英文数据集，用于在持续预训练过程中进行重放，目的是防止模型退化。同时，它也作为一个基础英文数据集，为防止模型退化提供了重要支持。这一数据集的任务是为持续预训练提供重放数据。

查看Fineweb-Pro

Dataset card 内容： 

Files and versions 内容： 

关于 Hugging Face , Hugging Face是一家专注于自然语言处理和人工智能领域的公司，提供丰富的预训练模型和工具，支持开发者在NLP任务中快速构建和部署高效的解决方案。

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。