跳到正文

DCLM-baseline

面向语言模型基准的 4T token 数据集

访问官网
分类 AI模型

DCLM-baseline 是什么

DCLM-baseline 是从 Common Crawl 策划而来的语言模型基准预训练数据集。

你可以用它做什么

  • 研究策划对性能的影响
  • 做模型性能测试

上手流程

  • 打开 Hugging Face 数据集页面
  • 阅读说明后下载并准备算力

优点与缺点

✓ 我们认可的地方

  • 提供模型性能基准
  • 展示数据策划的作用

! 需要留意的地方

  • 资料说明仅供研究使用
  • 不适用于生产或特定领域训练

常见问题

规模多大?

资料说明有 4T 个 token 和 3B 个文档。

能用于生产吗?

资料说明仅供研究,不用于生产或特定领域训练。

最后评测: 2026-11-15

更多 大模型 API 平台 工具

查看全部 →

评测方法