esbatmop

MNBVC (Massive Never-ending BT Vast Chinese corpus) : un corpus de données chinois à très grande échelle, conçu pour rivaliser avec les 40 To de données d'entraînement de ChatGPT. Le jeu de données MNBVC couvre la culture dominante, les sous-cultures et inclut des textes variés tels que des actualités, romans, articles académiques, scripts, wikis, poésie ancienne, paroles de chansons et journaux de discussion.