★
मेनू
होम यह कैसे बना है Watchlist द स्टैक
हार्डवेयर Chipsचिप्स की तुलना करें सर्वर और सिस्टमनेटवर्किंग मेमोरीफ़ाउंड्री और पैकेजिंग कूलिंग
फ़ैसिलिटीज़ डेटा सेंटरबिजली परियोजनाएँCloud और GPU Compute
इंटेलिजेंस AI Modelsसॉफ़्टवेयर AI उत्पादBenchmarks रिसर्च पेपरडेटासेट अवधारणाएँ
इकोसिस्टम कंपनियाँस्टॉक्स लोगसमयरेखा रुझानAI का भविष्य
जानें समाचार डेटा से पूछें AI एजेंट
परिचय हमारे बारे में पद्धति Data & API अस्वीकरण
विकल्प
DATA & API

साइट के कैश्ड डेटा तक निःशुल्क रीड-ओनली JSON पहुँच।

डार्क मोड

निर्देशित दृश्य
chip, data center और मॉडल की शब्दावली से अपरिचित हैं? ब्राउज़ करते समय हम प्रमुख शब्दों को सरल भाषा में समझाते हैं। वही डेटा, साथ में सहायता।

विशेषज्ञ दृश्य
आप पहले से स्टैक जानते हैं। बस डेटा: साफ़, तेज़ और संक्षिप्त, बिना किसी अतिरिक्त स्पष्टीकरण के। यह डिफ़ॉल्ट व्यू है।

इंटरफ़ेस भाषा
‹ वापस
होम › डेटासेट › Common Crawl

Common Crawl

डेटासेट Web Corpus

The nonprofit web archive nearly every LLM ate first.

आप एक dataset रिकॉर्ड देख रहे हैं: training data का एक संग्रह — इसमें क्या है और किन models ने इससे सीखा।

Common Crawl has archived the open web monthly since 2008 — petabytes of pages that, filtered and deduplicated, form the backbone of most pre-training corpora (GPT-3's largest component; ancestor of C4, RefinedWeb, FineWeb). A tiny nonprofit's crawler quietly became the most economically consequential dataset on Earth — and the center of the consent-and-copyright fight.

यह बाकी स्टैक से कैसे जुड़ता है

इस रिकॉर्ड के लिंक एक नज़र में — किसी समूह पर क्लिक करके उस पर जाएँ।

प्रशिक्षित करने के लिए उपयोग किया जाता है

स्रोत

Common Crawl ↗

रिकॉर्ड की समीक्षा की गई 2026-01-15 — देखें पद्धति.