C4
데이터셋
웹 코퍼스
Google's cleaned Common Crawl — the reproducible baseline.
현재 보고 계신 것은 데이터셋 레코드입니다: 학습용 데이터 모음 — 어떤 데이터가 담겨 있으며 어떤 모델이 이를 학습했는지를 다룹니다.
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.
전체 스택에서의 연결 구조
이 레코드의 링크를 한눈에 확인하세요 — 그룹을 클릭하면 해당 위치로 이동합니다.
관련
출처
검토 기준일 2026-01-15 — 보기 방법론.