LatamGPT 开源 1.78 亿篇拉美三语语料登陆 Hugging Face

LatamGPT 项目在 Hugging Face 上发布两个开源数据集,共含 1.784 亿篇西班牙语、葡萄牙语和英语文档,约 2905 亿 token。语料来源覆盖拉美及加勒比地区的书籍、新闻和机构馆藏,由区域合作伙伴共同整理,为拉美多语言大模型训练提供了大规模基础数据。

2026-11-16 ~ 2026-11-16 · 2 条相关

另有 1 条近重复转述:OmarUFlorez