Startseite › Datensätze › The Pile
The Pile
Datensatz
Kuratiertes Korpus
EleutherAI's 825 GB of curated diversity — open-source pre-training's foundation.
Sie sehen einen Datensatz-Eintrag: eine Trainingsdatensammlung — was sie enthält und welche Modelle daraus gelernt haben.
The Pile (2020) mixed 22 sources — papers, code, books, forums — and showed curation quality mattered as much as scale. It trained the GPT-Neo/GPT-J lineage that kept open research alive, and its inclusion of the Books3 shadow-library became a defining copyright battleground.
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.