WanJuan3.0
opendatalab/WanJuan3.0
WanJuan3.0（“万卷·丝路”）一个作为综合性的纯文本语料库，采集了多个国家地区的网络公开信息、文献、专利等资料，数据总规模超1.2TB，Token总数超过300B，处于国际领先水平，首期开源的语料库主要由泰语、俄语、阿拉伯语、韩语和越南语5个子集构成，每个子集的数据规模均超过150GB
43stars
Forks
1
Open issues
0
Watchers
43
Size
9.7 MB
MIT License
Created: Jan 10, 2025
Updated: Feb 1, 2026
Last push: Feb 13, 2025