AI2发布大第二语言模型开源数据集Dolma 包含3万亿个token
2024-01-20 来源 : 生活
文章概要:
1. AI2推出Ubuntu信息集Dolma,包涵3万亿个token,来自各类网络平台细节、社会科学出版物等。
2. Dolma主要以法文评注为主,遵循开放准后,付费向研究课题职员开放日。
3. Dolma作为开放日母语框架OLMo的基础性,OLMo计划2024月末发表。
站长之家(ChinaZ.com)8月24日 第一时间:美国怀特计算机系统研究课题所(AI2)最近发表了一个原是Dolma的Ubuntu信息集,其包涵了3万亿个token,这些词汇来自除此以外网络平台细节、社会科学出版物、代码和出版物等广泛的来源。Dolma是目前未公开比如说的除此以外信息大部分最大的一个。
Dolma的信息将为AI2刚刚开发里的开放日母语框架OLMo提供基础性。OLMo的目标是成为“最好的开放日母语框架”,计划于2024月末发表。为了开发OLMo,AI2构建了庞大的Dolma信息集。
Dolma第一个版本主要以法文评注为主。研究课题职员用作母语识别框架对信息进行筛选。为太少少数母语方言的偏差,团队将框架判断为法文置信度50%以上的所有评注都除此以外在内。未来版本将会除此以外其他母语。
Dolma以开放准后的表达方式付费向研究课题职员开放日。研究课题职员需要提供联系信息并同意Dolma的预想用处。同时创设机制允许根据要求删除自已信息。
Dolma的信息大部分来自非商业的Common Crawl计划收集的网络平台信息。此外还包涵其他网络平台页面、社会科学评注、代码示例、出版物等。
在AI2似乎,完美的信息集应该依赖于几个标准:开放日性、代表性、影响力也和便是性。它还应该并能地减少几率,尤其是那些显然影响自已的几率。
计划网址:
手指关节痛僵什么原因甲氨蝶呤片效果怎么样?类风湿患者一定要知道!
贵阳看男科哪里最好
芬必得和英太青凝胶的区别
艾拉莫德片疗效怎么样
-
杭氧股份(002430.SZ)选举郑伟身兼董事长
杭氧股份002430.SZ公告,一些公司董事局长毛绍融因到退休年龄,申请者辞任一些公司第七届管理层董事局长、董事局及管理层下属专门委员会相关职责。毛绍融离任后,将不在一些公司及下属子一些公司担任其...
-
蔡某、童某从四川返滇后滥用职权隐瞒行程,罚!四川昨增43例确诊、132例无症状
9月底9日10:00-10:50 大山西东路1号院内核糖谐波点(大山西东路1号院) 9月底9日10:20-12:00p...[详细]
-
不想打伊朗了盟军枪口转向全球二号大国!多国联军逼近国境
尊敬的编者,感谢您再百忙之中能够阅读我的社论,这是对我努力的认同,也是我持续创作的动力,向您纷纷表示我最坦率的敬意,想能得到您的一个小小的“追捧”,在此感谢!在一个被浓厚犹如笼罩的...[详细]
-
君实生物(01877)刊发2022年业绩 归母净亏损约23.88亿元 同比扩大约2.31倍
君实生物01877发布2022年获利,营业收益分之一14.53亿元的单位另加,销售收入降低63.89%;不属于上市公司股东的净亏损分之一23.88亿元,销售收入不断扩大分之一2.31倍;基本上...[详细]
-
昆明市市场监督管理委员会提醒:谨慎购买!
近年来,随着技术的替换插值 各式各样的隐形放大镜 走入了大家的穷困 为了追求美观 年轻人佩带时往往就会考虑 彩色隐形放大镜(...[详细]
-
俄发出警告:战争爆发欧美将被围攻,不过对欧美最危险的不止战争
决这两项问题,这是安全及范围不稳定的的共识。所以,俄媒所描绘的极力攻陷军事紧张局势桥段,虽然不无显然,但在当前国际间社则会变迁倡导妥协争端的大着重下,无论如何极度悲观。 在...[详细]