艾伦AI发布全球最大文本数据集：含3万亿Tokens，超越Llama 2 近期，艾伦AI研究所宣布发布了迄今为止最大的开源文本数据集Dolma，包含了3万亿个Tokens。该数据集旨在训练大型语言模型（LLM），标志着AI2公司在开放和透明方面的努力。AI2认为数据集应该具备开放性、代表性、规模性、可复现性和风险规避性等五个标准，以促进更多研究和开发工作的展开。 艾伦AI... AI工具箱2年前
