亿级规模 arXiv 完整数据集登 Hugging Face 热门榜
secemp9 · hf · 2026-09-20
secemp9 发布的 arxiv-complete 数据集登上 Hugging Face 趋势榜，规模在 1 亿到 10 亿条之间，以 parquet 格式存储，标注用于 text-generation 与 text-retrieval 两类任务，英文语料，兼容 datasets 与 dask 库。对需要大规模学术语料做预训练、检索或评测的研究者是现成的数据资源。
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
- 邓云天开源 0.6B PII 脱敏器:英文规格编译成神经程序,CPU 本地可跑 — yuntiandeng · 2026-09-20
- RTX 5090 上跑 Qwen 27B 直播攻开放数学难题,目标 41 组 — GuiltyBookkeeper4849 · 2026-09-20
- TabPFN-3.5 技术报告发布,刷新表格预测基准 SOTA — burny_tech · 2026-09-20
- 滑铁卢开源 ProgramAsWeights:英文描述编译成本地可跑神经程序 — yuntiandeng · 2026-09-20
- LangChain 推出 Jev 评测器：打分方差低 92-913 倍，成本仅 0.34 美元 — LangChain · 2026-09-20
- 自然语言逻辑解释器开源:Jev 负责统一,Claude 做前置转换 — narphorium · 2026-09-20