p208p2002/

csl-1.8G-filtered

資料來源: https://github.com/ydli-ai/CSL 此資料集使用 huggingface/datatrove 進行了系統性的資料清洗。 我們在清洗過程中應用了多種基於規則的過濾方法，移除許多過短、重複和含有噪聲的資料。