lianghsun/cosmopedia-zhtw

cosmopedia-zhtw HuggingFaceTB/cosmopedia 的台灣正體中文譯本。用於累積台灣本地的預訓練語料。 這是持續產出的專案，不是已完成的資料集 來源共 31,064,918 列（336 個檔案、85.9 GB、8 個子集）。翻譯是持續進行的， 分片隨時上傳，目前的檔案數就是目前的進度。要多少資料由使用計畫決定， 隨時可停、隨時可續。請以實際檔案為準，不要假設已經全量完成。 欄位 欄位 說明 uid 唯一鍵，格式 config:檔案代號:檔內列序（見下方說明） config 來源子集：web_samples_v1/web_samples_v2/stories/auto_math_text/stanford/wikihow/openstax/khanacademy text 英文原文 text_zhtw 正體中文譯文 format、audience、seed_data 來源自帶的中繼資料，原樣保留… See the full description on the dataset page: https://huggingface.co/datasets/lianghsun/cosmopedia-zhtw.