Skip to content
← 返回课程
CS336 2026 · Lecture 13已发布

Data (sources, datasets)

日期
Mon May 11
讲师
Percy
课程资料
10 项
内容产物
4 项

课程简介 ​

本讲从网页、代码、论文、书籍和对话数据等来源出发,拆解预训练语料从抓取、解析到数据集发布的完整链路。课程同时讨论 robots.txt、版权许可、内容授权和公开数据的边界,并比较 Common Crawl、Wikipedia、The Pile、RefinedWeb 等数据集的构成与取舍。
COURSE MATERIALS官方资料与延伸阅读

资料来源归原作者与课程方所有 · 笔记内容持续校订