整个 arXiv 打包上 HuggingFace：314 万篇论文全版本共 16TB
burny_tech · x · 2026-09-20
secemp9 在 Hugging Face 上发布了完整 arXiv 站点数据集：3,148,796 篇论文、包含每个版本，涵盖 LaTeX 源码、PDF、PostScript、HTML 等格式，总量 16TB。堪称一份'惊艳的预训练语料'，对训练和微调研究者是重要资源。
所属事件:开发者把全量 arXiv 搬上 Hugging Face，314 万篇论文 16TB(8 条相关)→
「研究」频道最新
- 大脑仅 20 瓦,类脑计算能否让 AI 摆脱耗电困局? — burny_tech · 2026-09-20
- 写给 ML 人的机械臂控制入门：SO-100 机械臂如何被控制 — KyleMorgenstein · 2026-09-20
- AI 数学证明之争,学者推荐《跨代数学证明》文集 — RexDouglass · 2026-09-20
- Odyssey-3:数十小时示教数据让单一世界模型适配多种机械臂 — ChongZzZhang · 2026-09-20
- HydroGym 登 Nature 封面，为流体强化学习补上 ImageNet 时刻 — jiqizhixin · 2026-09-20
- ianand:Jev 不是 ChatGPT 替代品,而是「决策 AI」新工具 — ianand · 2026-09-20