Product
FineWeb-Edu
Hugging Face于2024年发布的高质量网页文本数据集，从CommonCrawl中筛选教育性内容，通过分类器评分保留高质量样本，适用于小型语言模型训练
Timeline (last 90 days)
Sep 11
使用Edu-QuRating筛选混合集训练出的模型在九项基准测试上的整体观测准确率高于FineWeb-Edu基线模型，且性能提升集中在特定任务上
Unverified50%
Sep 11
HuggingFace在2024年发布FineWeb-Edu数据集，通过训练分类器对网页内容的教育价值进行0-5分评分
Unverified50%
Sep 11
在受控单次预训练对比实验中，使用Edu-QuRating筛选混合集训练的模型在九项基准测试上的整体观测准确率高于FineWeb-Edu基线模型，且性能提升集中在特定任务上
Unverified50%