SummFlow 2026-06-08 Hugging Face

allenai / dolma

用于语言模型预训练研究的大规模英文开放语料库

6.1 TB

  • 文本生成
  • odc-by · 许可标注允许商用

2年前更新

已被取代 Dolma 3 Dolmino · Dolma v1 已被 Dolma 3 Dolmino 取代,后者是 OLMo 3 第二阶段退火训练使用的高质量数据池。

项目方资料核对

  • 提供可公开获取、可审计的预训练数据，使研究者能间接研究闭源模型的训练数据构成
  • 使用 AI2 Impact License 而非标准开放许可

4 个来源 · 截至 2026-06-20