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

DKYoon 本次发布的数据集 Slimpajama, 该数据集是对RedPajama的清洗和去重版本，它提供了一个高质量的前训练语料库，包含了多样化的数据来源，如C4、ArXiv、GitHub、书籍等。该数据集的任务是为大型语言模型的剪枝提供校准数据。

查看Slimpajama

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。