Datasetpublic

Comunidade-Synapse-BR/wikipedia-pt-60M

📚 Wikipedia PT 60M Wikipedia PT 60M é um corpus em português desenvolvido pela Comunidade Synapse BR para o pré-treinamento e treinamento contínuo de modelos de linguagem (LLMs). O dataset foi organizado para fornecer uma grande quantidade de texto em português, sendo adequado para pesquisas em Processamento de Linguagem Natural (NLP), treinamento de modelos generativos e experimentos envolvendo Modelagem de Linguagem Causal (Causal Language Modeling). 📖 Visão… See the full description on the dataset page: https://huggingface.co/datasets/Comunidade-Synapse-BR/wikipedia-pt-60M.

sourceHugging Facecc-by-sa-4.0updated 2mo agoView on Hugging Face

3likes89downloads

discussions and pull requests

Conversations for this repository live on Hugging Face.

CoolFace shows imported repositories read-only. Posting into someone else’s repository from here would need an authorised integration and the account holder’s consent, so the link goes to the source instead.

Open discussions on Hugging Face