全量 arXiv 数据集上线 Hugging Face：314 万篇论文、16TB 含所有版本
MaziyarPanahi · x · 2026-09-20
secemp9 在 Hugging Face 上发布了覆盖整个 arXiv 站点的论文数据集：共 3,148,796 篇论文，包含每一个历史版本，提供 LaTeX 源码、PDF、PostScript、HTML 等格式，总计约 16 TB。社区随后在评论区调侃编译如此规模的 LaTeX 需要集群甚至 GPU 加速，MaziyarPanahi 也感叹数据规模之大并向整理者致谢。
所属事件:全量 arXiv 数据集上架 Hugging Face:314 万篇论文 16TB(9 条相关)→
「研究」频道最新
- Cohere等论文:合成预训练收益竟源于嵌入初始化偏差 — LauraRuis · 2026-11-04
- kalomaze 展示 DeepSeek V3.1 底座更大骨干实验，eval loss 降至约 0.82 — kalomaze · 2026-11-04
- Reddit 网友无梯度改写 Qwen 0.6B 权重：39.8M token 让模型「爱上一支乐队」 — Altruistic_Heat_9531 · 2026-11-04
- SpecPilot 智能体自动优化投机解码：速度从 4.46× 提升至 10.87× — pmttyji · 2026-11-04
- 自主 Agent 定制 MSA 策略，提升 AlphaFold 3 蛋白复合物预测 — SJTU · 2026-11-04
- 腾讯 LoCo 用局部偏好学习教会模型何时停止思考，推理大幅变短且不掉准确率 — tencent · 2026-11-04