21 年尼日利亚论坛数据开源：3400 万帖含数百万皮钦英语词
saheedniyi_02 · x · 2026-10-20
开发者 Caleb 爬取了尼日利亚最大论坛 Nairaland 21 年的对话数据并免费开放用于研究：34,187,603 条帖子、约 190 万帖子页面、69 亿字符，涵盖尼日利亚英语、皮钦语及语码转换对话，保留了完整的帖子结构（发帖人、时间、引用关系）。此类文本在公开训练数据中严重不足。数据集已上架 Hugging Face（caleb-mnb/nairaland-conversations），用户名匿名化处理，采用 CC BY-NC 4.0 许可，仅限研究用途。
「研究」频道最新
- IFM 开源 RL360:8192 并发沙箱、130 万 rollouts 的 RL 基建 — rupspace · 2026-10-23
- 号称匹敌 GPT-6.1 的 DNA 模型遭实测打脸：10 例 8 例不如随机 — anshulkundaje · 2026-10-23
- AI 揭穿阴谋论研究风波落幕：Science 撤回关注声明，结论不变 — DG_Rand · 2026-10-23
- Embodied First Exam：一行代码在 44 台机器人上考你的 Agent — ManlingLi_ · 2026-10-23
- Anima Anandkumar 演讲：AI 气象模型胜超算，但不会取代科学家 — AnimaAnandkumar · 2026-10-23
- GLM-5.3-Flash 实现 1M token 上下文训练，较基线提升 64 倍 — AndrewLBeam · 2026-10-23