arXiv cs.AI· Mich-Seth Owusu·· 1 天前AI 评分44
Africa-Papers：面向非洲基础模型的 100 亿 token 多领域学术语料库
Africa-Papers: A 10-Billion-Token Multi-Domain Academic Corpus for African Foundation Language Models
AI 导读
研究者发布 Africa-Papers，迄今最大的多领域泛非学术预训练语料库，包含 844,807 篇全文论文、101.5 亿 token、879 个 Parquet 分片，已在 Hugging Face Hub 的 AfriSpeech 组织下开源。
来源：arXiv cs.AI · arxiv.org