C4
データセット
Webコーパス
Google's cleaned Common Crawl — the reproducible baseline.
これはデータセットのレコードです。学習用データのコレクションについて、収録内容とそれを学習したモデルを紹介します。
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.
スタック全体とのつながり
このレコードのリンク一覧 — グループをクリックするとジャンプします。
関連
出典
レコードのレビュー時点： 2026-01-15 — 表示 調査手法.