trtd56/TimeCapsuleLLM-ja-corpus-v4 download history
trtd56/TimeCapsuleLLM-ja-corpus-v4 is a dataset on the Hugging Face Hub. In the last 30 days it was downloaded 307 times (78 in the last 7 days), and 767 times in total. It ranks #48,219 among datasets by monthly downloads.
TimeCapsuleLLM-ja corpus phase6 1868–1945年の日本語だけを対象にした、ゼロからの言語モデル学習用コーパスです。青空文庫の旧字旧仮名作品と、国立国会図書館次世代デジタルライブラリーのPDM OCR資料から構成します。本文はルビ・入力注記除去、外字写像、OCR品質隔離を行った加工データです。 構成 aozora-bunko: 1,576 documents / 15,457,625 characters ndl-next-digital-library: 153,095 documents / 7
Models trained on TimeCapsuleLLM-ja-corpus-v4
2 models list it as training data.
- trtd56/TimeCapsuleLLM-ja-v4-chat 101 downloads in 30 days
- trtd56/TimeCapsuleLLM-ja-v4 33 downloads in 30 days