الرئيسية › مجموعات البيانات › C4
C4
مجموعة البيانات
مجموعة بيانات الويب
Google's cleaned Common Crawl — the reproducible baseline.
أنت تطّلع على سجل مجموعة بيانات: مجموعة بيانات تدريب — ما الذي تحتويه والنماذج التي تعلّمت منها.
The Colossal Clean Crawled Corpus (2019, for T5) applied documented filters to Common Crawl and released the recipe, becoming the standard public pre-training baseline and the corpus of record for studying what models actually read.
كيف يرتبط هذا ببقية المنظومة
روابط هذا السجل في لمحة — انقر على أي مجموعة للانتقال إليها.
ذات صلة
المصادر
السجل مراجَع بتاريخ 2026-01-15 — عرض المنهجية.