Start
Conceptio › Archive › Hugging Face Datasets
Hugging Face Datasets metadata only

Tele-AI/TeleChat-PTD

Tele-AI · 2024
Hugging Face Datasets · Datasets · 2024
Open Source ↗
dataset
TeleChat预训练数据集(TeleChat-PTD) 🤗 Hugging Face • 🏔 MindSpore️ • 🦉 github️ • 🐾 gitee️ • 💬 WeChat Tech Report 数据介绍 TeleChat-PTD 是由电信星辰大模型TeleChat预训练语料中抽取出的的综合性大规模中文数据集。数据主要来源于网页、书籍、官方媒体等。 我们使用规则+模型的方式进行了相关的过滤，并对数据进行了相似性去重，尽可能地提取出高质量地数据。 TeleChat-PTD 数据集大约公开了2.7亿条数据，数据由纯中文文本构成，原始大小约1TB,压缩后480G，共189个文件。数据集中已经去除了其它冗余信息。 数据下载 huggingface下载地址：数据下载 天翼云盘下载地址：数据下载（访问码：pkg8） 数据格式 数据为jsonl格式，仅有一个字段data: 单条处理后的预训练数据 数据清洗…
Conceptio Open Archive

Analyze & explore related research in Conceptio

Connect this record directly into your research workflow or AI agent. Explore citations across open repositories, query full text, and export structured proof bundles.

Explore in Search →Connect via MCP / API ↗
This document is indexed with metadata only: full text is not available in the archive for this record. Open the official source ↗

Related documents

Record · ID 786867
Retrieved via Conceptio: every document is proof-bundled with source, license, and retrieval metadata.
Bring this data into your agent: Connect via MCP or API · 20 free credits to start · no card required
Read the Docs → · View CLI source on GitHub · Conceptio Open Knowledge Archive