MassiveText

مجموعة بيانات بحجم 10.5 تيرابايت بناها فريق DeepMind لتدريب عائلة Gopher، تضمّ نصوصاً إنجليزية مُنقَّحة من ستة مصادر: صفحات ويب مُنسَّقة وكتب وأخبار وشفرة وC4 وويكيبيديا.

A 10.5 TB dataset built by the DeepMind team for training the Gopher family, containing filtered English text from six sources: curated web pages, books, news, code, C4, and Wikipedia.