victcn/

chinese-data-quality

中文数据集用的是 C4-zh 的前10w数据，用 Qwen2.5-32B-Instruct-AWQ(48G单卡)进行了 Low / Mid / High 的打分，打分用的是英文数据集用的是现有的英文数据集 text-score-data。最后整合为了20w的数据集， 用bert-base-chinese微调了模型，地址为chinese_data_quality_score。