标签: pretraining-data

2026年5月31日

• source
• paper
• t5
• c4
• pretraining-data

2026年5月31日

• source
• paper
• deduplication
• pretraining-data
• memorization

2026年5月31日

• source
• paper
• pretraining-data
• data-mix
• dataset

2026年5月31日

• source
• paper
• pretraining-data
• data-quality
• data-mix

2026年5月31日

• source
• paper
• pretraining-data
• web-data
• data-filtering

2026年5月31日

• source
• paper
• roots
• multilingual
• pretraining-data

2026年5月31日

• source
• paper
• pretraining-data
• datacomp
• data-curation

2026年5月31日

• source
• paper
• dolma
• pretraining-data
• dataset

2026年5月31日

• source
• paper
• fineweb
• web-data
• pretraining-data