این مجموعه‌داده شامل 13 بخش اصلی و مستقل است که از منوی کشویی Subset در بالای صفحه هاگینگ‌فیس به صورت زنده قابل انتخاب و مشاهده است: 1. long: مقالات بلند و بیمه‌شده ویکی‌پدیای فارسی (JSONL). 2. short: مقالات خرد و کوتاه ویکی‌پدیای فارسی (JSONL). 3. enwikipedia1B: یک میلیارد توکن مقالات بلند ویکی‌پدیای انگلیسی. 4. finewebedu6B: مقالات آموزشی انگلیسی FineWeb-Edu. 5. syntheticpersian2B: دو میلیارد توکن استدلال و حل مسئله مصنوعی ابن‌سینا. 6. parallelmizan: یک میلیون جفت‌جمله رمان‌های چاپی میزان بسته‌بندی‌شده به صورت پاراگراف متوالی. 7. paralleltinystories: داستان‌های دوزبانه انگلیسی-فارسی کودکان TinyStories با گرامر روان. 8. pythoncode12B: ده میلیارد توکن کد پایتون ۳ با حداقل ۱ ستاره گیت‌هاب…
Publisher
Mahan13900
mahan13900
Models in Library0
Datasets in Library1
Models on Hugging Face—
Followers—
Compare the published evidence
This profile connects the 1 model and dataset record shown below to their upstream cards and sources. The library counts describe SAVRN's coverage, rather than this publisher's entire output.
Compare model specifications, source dates, and hardware estimates on the individual records. Publisher identity verification is separate from a model's quality, deployment readiness, or suitability for your work.