Startseite › Datensätze › FineWeb & FineWeb-Edu
FineWeb & FineWeb-Edu
Datensatz
Web-Korpus
Hugging Face's 15-trillion-token state of the art in open pre-training data.
Sie sehen einen Datensatz-Eintrag: eine Trainingsdatensammlung — was sie enthält und welche Modelle daraus gelernt haben.
FineWeb (2024) processed 96 Common Crawl snapshots into 15T tokens with fully published filtering code; FineWeb-Edu used model-based educational scoring to distill the best 1.3T. Together they are the open world's answer to proprietary data pipelines.
So hängt das mit dem Rest des Stacks zusammen
Die Verknüpfungen dieses Datensatzes auf einen Blick – klicken Sie auf eine Gruppe, um dorthin zu springen.
Verwandt
Quellen
Datensatz geprüft am 2026-01-15 — Siehe Methodik.