返回数据集雷达
MAP-CC
MAP-CC
发布方 MAP / 01.AI 发布 2024-04 规模 800B 中文 token
预训练语料 单一数据集 全球 商用友好 pretrain
访问 huggingface.co 来源描述
中文社区开源最大预训练集 (Wudao 之后)
Apache 2.0
HuggingFace 实测指标
m-a-p/MAP-CC ↗近 30 天下载
9.1K
点赞
83
最近更新
2024-07-11
HF 授权标签
cc-by-nc-nd-4.0
datasets-server 实测规模
该语料按分片文件组织，datasets-server 数出来的是分片数而非文档数，只给字节量；标称规模请回原站核对。
HF 规模档 1B<n<10B
HF 标签指向「仅研究」，与本刊判定的「商用友好」不一致，商用前请回原站核对
训练阶段（本刊判断）
同领域 · 预训练语料
领域、训练阶段、用途、License 分级与本刊判断由本刊维护； 下载量 / 点赞 / 更新时间 / 实测规模来自 HuggingFace Hub 官方 API 与 datasets-server，每周自动刷新。 规模、许可证与商用授权最终请以 原站 为准。