MNBVC
✅ 近期有维护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。
4,298Stars
298Forks
+6近 7 天 Star
— · MIT · 最近推送 2026-10-25
官方仓库与安装文档 ↗Star 历史
2025-09-292026-11-02
查看历史数据
| 日期 | Stars |
|---|---|
| 2026-10-04 | 4,276 |
| 2026-10-05 | 4,276 |
| 2026-10-06 | 4,278 |
| 2026-10-07 | 4,278 |
| 2026-10-08 | 4,279 |
| 2026-10-09 | 4,279 |
| 2026-10-10 | 4,279 |
| 2026-10-11 | 4,280 |
| 2026-10-12 | 4,281 |
| 2026-10-13 | 4,281 |
| 2026-10-14 | 4,282 |
| 2026-10-15 | 4,283 |
| 2026-10-16 | 4,285 |
| 2026-10-17 | 4,285 |
| 2026-10-18 | 4,286 |
| 2026-10-19 | 4,286 |
| 2026-10-20 | 4,288 |
| 2026-10-21 | 4,289 |
| 2026-10-22 | 4,289 |
| 2026-10-23 | 4,289 |
| 2026-10-24 | 4,291 |
| 2026-10-25 | 4,292 |
| 2026-10-26 | 4,292 |
| 2026-10-27 | 4,295 |
| 2026-10-28 | 4,297 |
| 2026-10-29 | 4,297 |
| 2026-10-30 | 4,297 |
| 2026-10-31 | 4,297 |
| 2026-11-01 | 4,298 |
| 2026-11-02 | 4,298 |
获取项目
git clone https://github.com/esbatmop/MNBVC.git
相关项目与平替候选
同领域不等于功能完全相同，选型前请核对官方文档和许可证。
AI-For-Beginners
微软官方出品的 12 周 24 课时人工智能入门教程，系统涵盖符号 AI、神经网络、计算机视觉与自然语言处理。
★ 70,448airllmAirLLM 2.8T LLM inference with single 4GB GPU… 开源技术工具。
★ 41,536langextractA Python library for extracting structured information from unstructured text using LLMs with precise source grounding and interactive visualization.
★ 39,233