DataLearner logoDataLearnerAI
AI Tech Blogs
Leaderboards
Benchmarks
Models
Resources
Tool Directory

加载中...

DataLearner logoDataLearner AI

A knowledge platform focused on LLM benchmarking, datasets, and practical instruction with continuously updated capability maps.

产品

  • Leaderboards
  • 模型对比
  • Datasets

资源

  • Tutorials
  • Editorial
  • Tool directory

关于

  • 关于我们
  • 隐私政策
  • 数据收集方法
  • 联系我们

© 2026 DataLearner AI. DataLearner curates industry data and case studies so researchers, enterprises, and developers can rely on trustworthy intelligence.

隐私政策服务条款
  1. Home/
  2. Blog/
  3. Tag: 公开网络数据集
Tag

Articles tagged "公开网络数据集"

A curated list of original AI and LLM articles related to "公开网络数据集", updated regularly.

Tags:#公开网络数据集
Google发布迄今为止公开可用的最大的多语言网络数据集MADLAD-400，覆盖419种语言

Google发布迄今为止公开可用的最大的多语言网络数据集MADLAD-400，覆盖419种语言

Google DeepMind与Google Research的研究人员推出了一个全新的多语言数据集——MADLAD-400！这个数据集汇集了来自全球互联网的419种语言的大量文本数据，其规模和语言覆盖范围在公开可用的多语言数据集中应该是最大的。研究人员从Common Crawl这个庞大的网页爬虫项目中提取了大量数据，并进行了人工审核，删除了许多噪音，使数据集的质量得到了显著提升。

2023/09/13 07:26:541,566
#MADLAD-400#公开网络数据集#多语言数据集

Topic Collections

RAG (Retrieval-Augmented Generation)Long Context (Large Language Models)AI Agent Practices

Today's Picks

重磅！马斯克宣布本周开源xAI开发的大语言模型Grok！重磅！Meta发布LLaMA2，最高700亿参数，在2万亿tokens上训练，各项得分远超第一代LLaMA~完全免费可商用！css整体感知TFboys：使用Tensorflow搭建深层网络分类器网络爬虫之httpclient的使用EleutherAI、MetaAI、StabilityAI、伦敦大学等合作的最新关于大语言模型的11个应用方向和16个挑战总结：来自688篇参考文献与业界实践推荐一个国内可以按分钟计费的4090显卡租用公有云，一个小时24GB显存的4090只需要2.37元——仙宫云生成式AI领域拓展！MetaAI开源AudioCraft：一个支持AudioGen、MusicGen等模型的音频生成开发框架主题模型结合词向量模型(Improving Topic Models with Latent Feature Word Representations)dask的dataframe的值变成1和foo的解决方法

Hot Blogs

1Dirichlet Distribution（狄利克雷分布）与Dirichlet Process（狄利克雷过程）2回归模型中的交互项简介（Interactions in Regression）3贝塔分布（Beta Distribution）简介及其应用4矩母函数简介（Moment-generating function）5普通最小二乘法（Ordinary Least Squares，OLS）的详细推导过程6使用R语言进行K-means聚类并分析结果7深度学习技巧之Early Stopping（早停法）8H5文件简介和使用9手把手教你本地部署清华大学的ChatGLM-6B模型——Windows+6GB显卡本地部署10Wishart分布简介