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:整站 arXiv 上架 Hugging Face：314 万篇论文 16TB(7 条相关)→
「研究」频道最新
- 亿级规模 arXiv 完整数据集登 Hugging Face 热门榜 — secemp9 · 2026-09-20
- 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