LIWU： Language Intelligence and Word Understanding 里屋｜MNBVC：Massive Never-ending BT Vast Chinese corpus 超大规模中文语料集 …

MNBVC数据集包括新闻、作文、小说、书籍、杂志、论文、台词、帖子、wiki、古诗、歌词、商品介绍、笑话、糗事、聊天记录等一切形式的纯文本中文数据。 数据均来源于互联网搜集。 里 …

MNBVC数据集包括新闻、作文、小说、书籍、杂志、论文、台词、帖子、wiki、古诗、歌词、商品介绍、笑话、糗事、聊天记录等一切形式的纯文本中文数据。 Cannot retrieve latest commit …

Share your videos with friends, family, and the world

在英明神武的里屋管子带领下，决心发挥社区所长 (哪都长)，帮助开源社区长期更新一份最大的中文互联网语料集。 Huggingface上的MNBVC数据集在逐渐更新中，请到 …

kmnbvc has 10 repositories available. Follow their code on GitHub.

MNBVC-Wiki是 Massive Never-ending BT Vast Chinese corpus 超大规模中文语料集。 它诞生的初衷是MNBVC开源项目团队在中文语料库建设过程中积累了一些项目经验，希望通过wiki系 …

项目主页： https://mnbvc.253874.net. Github 地址： https://github.com/esbatmop/MNBVC. 联系邮箱：[email protected]. 关于MNBVC. 2024年12月1日， MNBVC语料集数据量达 …

MNBVC项目通过23个月的努力，在2024年12月1日成功实现了最初看似遥不可及的目标——数据集规模达到了42.77TB，超越了40TB的目标，达到了106.9%。 这一成就标志着我们在开源中 …

MNBVC (Massive Never-ending BT Vast Chinese corpus)超大规模中文语料集。 对标chatGPT训练的40T数据。 MNBVC数据集不但包括主流文化，也包括各个小众文化甚至火星文的数据。