Together Computer 发布 RedPajama-v1 数据集, 应用在 自然语言处理、机器学习 领域

Together Computer 本次发布的数据集 RedPajama-v1, 该数据集名为RedPajama-v1，它是一个包含多个领域数据的综合性数据集，这些领域包括CommonCrawl、C4、Github、Wikipedia、书籍、ArXiv以及StackExchange。该数据集被用于训练LLAMA2-7B模型，其任务是训练大型语言模型。

查看RedPajama-v1

Dataset card 内容： 

Files and versions 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。