esbatmop

MNBVC (Massive Never-ending BT Vast Chinese corpus) – Ein extrem großer chinesischer Korpus als Gegenstück zu den für ChatGPT trainierten 40T-Daten. Das MNBVC-Dataset umfasst Mainstream-Kultur, Nischenkulturen und sogar Websprache in Form von reinen Textdaten wie Nachrichten, Aufsätzen, Romanen, Büchern, Zeitschriften, Arbeiten, Skripten, Posts, Wikis, klassischen Gedichten, Songtexten, Produktbeschreibungen, Witzen und Chatprotokollen.