RedPajama
Dataset
Samengesteld corpus
The open reproduction of Llama's training mix.
U bekijkt een dataset-record: een verzameling trainingsdata — wat erin zit en welke modellen ermee zijn getraind.
Together AI and partners rebuilt Meta's disclosed Llama data recipe in the open — 1.2T tokens in v1, 30T documented in v2 — giving the open ecosystem a transparent, auditable base corpus.
Hoe dit aansluit op de rest van de stack
De koppelingen van dit record in één oogopslag — klik op een groep om er naartoe te springen.
Gerelateerd
Bronnen
Record beoordeeld per 2026-01-15 — bekijk Methodologie.