sagels/longmino_256k_filtered

longmino_filtered 本目录为 Dolma 3 Longmino Pool 数据经简单过滤后的分片，按子集分子文件夹存放。数据无需转换为 Parquet 即可配合 Hugging Face datasets 使用（见 scripts/load_longmino_example.py）。 数据来源与处理 上游数据集：allenai/dolma3_longmino_pool（Dolma 3 Longmino Pool，非混合后的训练 mix；详见该数据集说明）。 本目录：仅对上游数据做了简单过滤得到的副本文档集合，不是 Ai2 官方发行物，也不代表上游数据的完整或最新版本。 用途说明：以自用（个人研究/训练）为主，无面向公众的推广义务；若他人获取副本，仍应遵守下方许可与上游要求。 许可 遵循上游 Open Data Commons Attribution License v1.0（ODC-By） 及 dolma3_longmino_pool… See the full description on the dataset page: https://huggingface.co/datasets/sagels/longmino_256k_filtered.