Beranda › Kumpulan-Kumpulan Data › FineWeb & FineWeb-Edu
FineWeb & FineWeb-Edu
Kumpulan Data
Korpus Web
Hugging Face's 15-trillion-token state of the art in open pre-training data.
Anda sedang melihat entri dataset: kumpulan data pelatihan — apa isinya dan model mana yang belajar darinya.
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.
Bagaimana ini terhubung ke bagian lain dari stack
Tautan catatan ini sekilas — klik grup untuk langsung menuju ke sana.
Terkait
Sumber
Rekaman ditinjau per 2026-01-15 — lihat Metodologi.