A | B | C | D | E | F | G | H | I | J | K | L | M | N | O | P | Q | R | S | T | U | V | W | X | Y | Z | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1 | Dataset | Source | Tokens | |||||||||||||||||||||||
2 | RPJ | RedPajama | 1157.3B | |||||||||||||||||||||||
3 | S2ORC | S2ORC | 48.9B | |||||||||||||||||||||||
4 | Pile of Law | Law | 27.1B | |||||||||||||||||||||||
5 | DM Math | Math | 4.4B | Tokens | DataMix | |||||||||||||||||||||
6 | Pile | Arxiv | 33.9B | RPJ | 1157.3B | 0.7258069201 | ||||||||||||||||||||
7 | Pile | PubMed Central | 42.1B | Not RPJ | 437.2B | 0.2741930799 | ||||||||||||||||||||
8 | Pile | PhilPapers | 1.2B | Total | 1594.5B | 1 | ||||||||||||||||||||
9 | Pile | Pubmed Abstracts | 8.1B | |||||||||||||||||||||||
10 | Pile | NIH Exporter | 721.2M | |||||||||||||||||||||||
11 | Pile | Pile-CC | 53.2B | |||||||||||||||||||||||
12 | Pile | Books3 | 37.9B | |||||||||||||||||||||||
13 | Pile | Github | 32.6B | |||||||||||||||||||||||
14 | Pile | OpenWebText2 | 29.9B | |||||||||||||||||||||||
15 | Pile | BookCorpus2 | 2.3B | |||||||||||||||||||||||
16 | Pile | Wikipedia | 12.1B | |||||||||||||||||||||||
17 | Pile | Stackexchange | 18.5B | |||||||||||||||||||||||
18 | Pile | FreeLaw | 18.4B | |||||||||||||||||||||||
19 | Pile | Deepmind Mathematics | 7.1B | |||||||||||||||||||||||
20 | Pile | HackerNews | 2.0B | |||||||||||||||||||||||
21 | Pile | Ubuntu IRC | 3.9B | |||||||||||||||||||||||
22 | Pile | Enron Emails | 473.3M | |||||||||||||||||||||||
23 | Pile | EuroParl | 2.9B | |||||||||||||||||||||||
24 | Pile | Gutenberg | 6.9B | |||||||||||||||||||||||
25 | Pile | OpenSubtitles | 5.5B | |||||||||||||||||||||||
26 | Pile | USPTO Backgrounds | 9.5B | |||||||||||||||||||||||
27 | Pile | Youtube Subtitles | 2.7B | |||||||||||||||||||||||
28 | RealNews | RealNews | 25.0B | |||||||||||||||||||||||
29 | Total | 1594.5B | ||||||||||||||||||||||||
30 | ||||||||||||||||||||||||||
31 | ||||||||||||||||||||||||||
32 | ||||||||||||||||||||||||||
33 | ||||||||||||||||||||||||||
34 | ||||||||||||||||||||||||||
35 | ||||||||||||||||||||||||||
36 | ||||||||||||||||||||||||||
37 | ||||||||||||||||||||||||||
38 | ||||||||||||||||||||||||||
39 | ||||||||||||||||||||||||||
40 | ||||||||||||||||||||||||||
41 | ||||||||||||||||||||||||||
42 | ||||||||||||||||||||||||||
43 | ||||||||||||||||||||||||||
44 | ||||||||||||||||||||||||||
45 | ||||||||||||||||||||||||||
46 | ||||||||||||||||||||||||||
47 | ||||||||||||||||||||||||||
48 | ||||||||||||||||||||||||||
49 | ||||||||||||||||||||||||||
50 | ||||||||||||||||||||||||||
51 | ||||||||||||||||||||||||||
52 | ||||||||||||||||||||||||||
53 | ||||||||||||||||||||||||||
54 | ||||||||||||||||||||||||||
55 | ||||||||||||||||||||||||||
56 | ||||||||||||||||||||||||||
57 | ||||||||||||||||||||||||||
58 | ||||||||||||||||||||||||||
59 | ||||||||||||||||||||||||||
60 | ||||||||||||||||||||||||||
61 | ||||||||||||||||||||||||||
62 | ||||||||||||||||||||||||||
63 | ||||||||||||||||||||||||||
64 | ||||||||||||||||||||||||||
65 | ||||||||||||||||||||||||||
66 | ||||||||||||||||||||||||||
67 | ||||||||||||||||||||||||||
68 | ||||||||||||||||||||||||||
69 | ||||||||||||||||||||||||||
70 | ||||||||||||||||||||||||||
71 | ||||||||||||||||||||||||||
72 | ||||||||||||||||||||||||||
73 | ||||||||||||||||||||||||||
74 | ||||||||||||||||||||||||||
75 | ||||||||||||||||||||||||||
76 | ||||||||||||||||||||||||||
77 | ||||||||||||||||||||||||||
78 | ||||||||||||||||||||||||||
79 | ||||||||||||||||||||||||||
80 | ||||||||||||||||||||||||||
81 | ||||||||||||||||||||||||||
82 | ||||||||||||||||||||||||||
83 | ||||||||||||||||||||||||||
84 | ||||||||||||||||||||||||||
85 | ||||||||||||||||||||||||||
86 | ||||||||||||||||||||||||||
87 | ||||||||||||||||||||||||||
88 | ||||||||||||||||||||||||||
89 | ||||||||||||||||||||||||||
90 | ||||||||||||||||||||||||||
91 | ||||||||||||||||||||||||||
92 | ||||||||||||||||||||||||||
93 | ||||||||||||||||||||||||||
94 | ||||||||||||||||||||||||||
95 | ||||||||||||||||||||||||||
96 | ||||||||||||||||||||||||||
97 | ||||||||||||||||||||||||||
98 | ||||||||||||||||||||||||||
99 | ||||||||||||||||||||||||||
100 |