请问你们罕见的开源的数据呢？
#3
by
Johnson0817
- opened
“罕见的开源了高质量预训练数据集，我们将我们的训练数据Skywork-150B数据进行开源，该数据集对中文网页进行精心清洗和过滤，大约包含1500亿中文字符，硬盘大小约为600G，是目前最大的开源中文数据集。”
请问你们罕见的开源的数据呢？
https://huggingface.co/datasets/Skywork/SkyPile-150B/tree/main/data
weitianwen
changed discussion status to
closed