MNBVC数据集（NLP语料数据集）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。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 …

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。

里屋·mnbvc项目2023年年度总结和对所有参与者的感谢 LIWU： Language Intelligence and Word Understanding 里屋｜MNBVC：Massive Never-ending BT Vast Chinese corpus 超大规模中文 …

目前MNBVC数据集包含如下几类数据： 通用文本; 问答语料; 代码语料; 多轮对话; 论坛语料; 平行语料; 可以在MNBVC的wiki页面上查看这几类数据的具体格式。 项目早期所上传的数据使用如 …

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。

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(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。

2023年12月31日 · MNBVC项目于2023年1月1日正式启动，由里屋社区资深用户等战、零零发和龙骑兵的发起下，集结了广大志愿者共同参与，致力于构建一个超大规模的中文语料集。 项目 …

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-Wiki 是什么？ 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 …