esbatmop/MNBVC

MNBVC (Massive Never-ending BT Vast Chinese corpus) अति-विशाल चीनी कॉर्पस सेट। ChatGPT प्रशिक्षण के 40T डेटा के समकक्ष। MNBVC डेटासेट में मुख्यधारा की संस्कृति ही नहीं, बल्कि विभिन्न विशिष्ट संस्कृतियों और यहाँ तक कि मार्शियन भाषा का डेटा भी शामिल है। MNBVC डेटासेट में समाचार, निबंध, उपन्यास, किताबें, पत्रिकाएँ,论文, संवाद, पोस्ट, विकी, प्राचीन कविताएँ, गीत, उत्पाद विवरण, चुटकुले, मज़ाक, चैट इतिहास आदि सभी रूपों में शुद्ध पाठ चीनी डेटा शामिल है।