OpenBMB 发布 Ultra-FineWeb-L1 数据集，规模达数十亿级
openbmb · hf · 2026-08-20
OpenBMB 在 Hugging Face 上发布了新数据集 Ultra-FineWeb-L1。该数据集专为文本生成任务设计，包含英语内容，采用 Apache 2.0 许可证。数据集规模在 1B 到 10B tokens 之间，主要面向 LLM 预训练与 Web 语料研究，相关论文编号为 arxiv:2505.05427 和 arxiv:2602.09003。
所属事件:OpenBMB 开源 1T+ token 高质量网页数据集(3 条相关)→
「研究」频道最新
- 证明助手惊现 Collatz「证明」：LLM 找漏洞威胁数学正确性根基 — marc_lelarge · 2026-10-16
- Goodfire 研究员发长文:神经网络本就干净,可解释性前景比想象中好 — ctjlewis · 2026-10-16
- NEJM AI 研究:19 个 LLM 临床系统过度开检,提示词可压成本比至 1.4 倍 — dvir_a · 2026-10-16
- NEJM AI 研究：AI 开检查费是医生 3.2 倍，2/3 就诊医生零检查 — dvir_a · 2026-10-16
- 19 个模型评估：提示词可降低 LLM 过度检查成本，但代价是诊断一致性 — dvir_a · 2026-10-16
- 24 个 AI 系统开处方检查：平均 314 美元/次，是医生的 3.2 倍 — dvir_a · 2026-10-16