OpenDataArena/ODA-Mixture-100k

数据集简介

ODA-Mixture-100k 是由 OpenDataArena 发布的一个大规模文本数据集，包含超过 10 万条文本样本。

主要用途

适用于文本相关的机器学习任务，如语言模型预训练、文本分类、自然语言理解等。

数据类型/模态

• 模态：纯文本
• 格式：Parquet

规模与统计信息

• 样本数量：101,306 条
• 下载量：超过 3,000 次
• 社区反馈：获得 95 次点赞

使用场景

可用于构建或微调文本模型，支持多种数据处理库（如 datasets、dask、polars），便于在数据科学和机器学习流程中集成与处理。