tohoku-nlp/nanochat-jp-pretrain download history

tohoku-nlp/nanochat-jp-pretrain is a text generation dataset on the Hugging Face Hub. In the last 30 days it was downloaded 503 times (249 in the last 7 days), and 947 times in total. It ranks #32,982 among datasets by monthly downloads.

nanochat-jp-pretrain nanochat の日本語フォーク nanochat-jp で使用する 事前学習用日本語コーパス です． LLM によるクリーニングを施した日本語ウェブテキストと，llm-jp の公開コーパスを混合したものを，nanochat のデータローダがそのまま読める parquet 形式で配布しています． 構成 以下の4つのソースを混合し，全体をシャッフルしています． ソース llm-jp-corpus-v4 の ja_fineweb-2, ja_wiki サブセット（後述の追加

Open tohoku-nlp/nanochat-jp-pretrain on Hugging Face

Sister project: Paper Pulse, the upvote history of every Hugging Face Daily Paper.