lianghsun/finepdf-edu-zhtw

Dataset Card for finepdf-edu-zhtw ⚠️ 狀態：manual review 中 —— 本資料集目前尚未經過人工抽查驗證，篩選流程為全自動（規則 + LLM + 分類器），使用前請自行評估品質風險。 📄 finepdf-edu-zhtw 是以 🍷 FineWeb-Edu-zhtw 為設計參考，針對 HuggingFaceFW/finepdfs（cmn_Hani 子集）建立的繁體中文教育取向 PDF 語料。原始 PDF 文本先經簡體/中國大陸內容過濾，去除完全重複的樣本後，再以 freddy4212/classifier-based-on-nemotron-3-embed 訓練的教育價值分類器篩選，僅保留中高教育價值的文本。 Dataset Details Dataset Description 📄 finepdf-edu-zhtw 源自 HuggingFaceFW/finepdfs 的 cmn_Hani（中文）train… See the full description on the dataset page: https://huggingface.co/datasets/lianghsun/finepdf-edu-zhtw.