合成预训练数据集 FinePhrase 下载量突破 280 万
yb2698 · x · 2026-11-17
作者 joelniklaus 宣布其合成预训练数据集 FinePhrase 在 Hugging Face 上的累计下载量已突破 280 万次。
该数据集基于 FineWeb-Edu 构建,由 SmolLM2-1.7B-Instruct 模型将原始网页改写为四种格式:FAQ、数学题、表格和教程,共包含约 10 亿行数据,采用 DataTrove 管线生成(speculative decoding 加速)。数据集按 faq/math/table/tutorial 四个 config 提供 parquet 文件,开源可下载。
「研究」频道最新
- <1000万参数 RL 智能体通关宝可梦红,比 DeepSeek-V3 小 6 万倍 — Bam4d · 2026-11-17
- 首个 Verus 形式验证基准发布,GPT-6 Astra 以 59.1 分居首 — fhuszar · 2026-11-17
- Harmonic AI 定理证明器 Aristotle 剑桥开讲:无幻觉合成正确硬件 — satnam6502 · 2026-11-17
- Fleuret 提问:因果注意力为何不对称的信息 enriched 不是问题 — francoisfleuret · 2026-11-17
- Skild AI 开源物理求解器 Steel:比 PhysX 快 13 倍、显存省 3 倍 — deepakpathak · 2026-11-17
- MIT Jacob Andreas 让模型自我翻译神经计算,推进可解释性 — MacrinePhD · 2026-11-17