项目对比
选择 2–4 个项目，按同一口径比较。
仅隐藏已确认相同的信息，未知项仍保留。
EMNBVC
MNBVC(Massive Never-ending BT Vast Chinese corpus)超大规模中文语料集。对标chatGPT训练的40T数据。MNBVC数据集不但包括主流文化,也包括各个小众文化甚至火星文的数据。MNBVC数据集包括新闻、作文、小说、书籍、杂志、论文、台词、帖子、wiki、古诗、歌词、商品介绍、笑话、糗事、聊天记录等一切形式的纯文本中文数据。
热度
仓库 Star4,2977,517最高
近 7 天 Star 净增——
Fork298401最高
30 天趋势历史不足历史不足
维护
最近推送2026-10-252023-07-16
维护说明待核实待核实
仓库创建2022-12-312023-04-28
基本信息
按用途浏览数据库与数据工具数据库与数据工具
资源类型数据集与评测资源数据集与评测资源
细分类文本数据集文本数据集
运行平台待核实待核实
费用说明软件、托管、模型调用及基础设施费用以官方当前说明为准。软件、托管、模型调用及基础设施费用以官方当前说明为准。
价格来源——
首次收录2026-11-032026-11-03
指标GitHub 仓库 Star，不是独立使用人数或单项技能安装量GitHub 仓库 Star，不是独立使用人数或单项技能安装量
语言——
项目介绍MNBVC(Massive Never-ending BT Vast Chinese corpus)超大规模中文语料集。对标chatGPT训练的40T数据。MNBVC数据集不但包括主流文化,也包括各个小众文化甚至火星文的数据。MNBVC数据集包括新闻、作文、小说、书籍、杂志、论文、台词、帖子、wiki、古诗、歌词、商品介绍、笑话、糗事、聊天记录等一切形式的纯文本中文数据。OpenLLaMA，Meta AI 的 LLaMA 7B 的许可开源复制品，在 RedPajama 数据集上进行训练
采集时间2026-11-03 09:38 UTC2026-11-03 08:24 UTC
商用三档依据许可证元数据自动分类；具体义务需结合实际使用方式核对。未知不等于禁止商用。 按仓库累计 Star 排序，同一仓库只占一个位置；Star 与 Fork 不代表用户数。