ويب تكست

مجموعة بيانات بحجم 40 غيغابايت أنشأها فريق GPT-2 من الروابط الصادرة على Reddit التي حصلت على 3 تصويتات إيجابية أو أكثر، لتكون مرشِّحاً بشرياً بسيطاً لجودة المحتوى.

A 40 GB dataset created by the GPT-2 team from outbound Reddit links with ≥3 karma, serving as a simple human quality filter for web content.