整站 arXiv 搬上 HuggingFace:315 万篇论文,16TB 多格式数据集
secemp9 · x · 2026-09-20
开发者 secemp9 把整个 arXiv 站点打包成了 Hugging Face 上的公开数据集：共 3,148,796 篇论文，包含每个版本，提供 LaTeX 源文件、PDF、PostScript 和 HTML 多种格式，总体积约 16 TB。作者补充说明去重按版本计算，若计入版本总数超过 600 万。对需要大规模语料做训练、检索或文献分析的团队来说是一份难得的全量多格式资源。
所属事件:整站 arXiv 上架 Hugging Face：314 万篇论文 16TB(7 条相关)→
「研究」频道最新
- 谷歌 ScientistTwo 自主改进 86/107 个 ML 问题，成功率 80.4% — rohanpaul_ai · 2026-09-20
- 谷歌 ScientistTwo 论文：全自主多智能体框架产出可发表级研究 — rohanpaul_ai · 2026-09-20
- Gated Recurrent Transformer:3层循环深度模型打平12层GPT-2 — burny_tech · 2026-09-20
- 斯坦福造出 3.7 万 AI 科学家智能体虚拟药企 — Dr_Singularity · 2026-09-20
- 理论计算机学者自嘲：一年前质疑 LLM 证明猜想，如今已被打脸 — burny_tech · 2026-09-20
- VLA-Replica 真机基准发布：GR00T N1.7 50 条演示追平 π₀ — YuXiang_IRVL · 2026-09-20