芝加哥大学 发布 BeanCounter 数据集, 应用在 金融数据、文本数据集 领域

芝加哥大学 本次发布的数据集 BeanCounter, BeanCounter是由芝加哥大学创建的一个大规模、低毒性的商业文本数据集，包含超过1590亿个Tokens，主要来源于企业的公开披露文件。数据集通过EDGAR系统收集，经过清洗和去重处理，确保了数据的高质量和事实性。BeanCounter的应用领域主要集中在金融领域，旨在通过提供低毒性、高质量的数据来训练更优的金融领域语言模型，减少模型生成有害内容的风险。

查看BeanCounter

关于 芝加哥大学 , 芝加哥大学是一所位于美国伊利诺伊州的顶尖私立研究型大学，以其强大的学术影响力和众多诺贝尔奖得主而闻名。

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。