FineWeb-zhtw: Scalable Curation of Traditional Chinese Text Data from the Web
Fuente:
arXiv
Salvato in:
| Autori principali: | Lin, Cheng-Wei, Hsieh, Wan-Hsuan, Guan, Kai-Xin, Hsu, Chan-Jan, Kuo, Chia-Chen, Lai, Chuan-Lin, Chung, Chung-Wei, Wang, Ming-Jen, Shiu, Da-Shan |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2024
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
The FineWeb Datasets: Decanting the Web for the Finest Text Data at Scale
di: Penedo, Guilherme, et al.
Pubblicazione: (2024)
di: Penedo, Guilherme, et al.
Pubblicazione: (2024)
Ultra-FineWeb: Efficient Data Filtering and Verification for High-Quality LLM Training Data
di: Wang, Yudong, et al.
Pubblicazione: (2025)
di: Wang, Yudong, et al.
Pubblicazione: (2025)
A 38 GHz Low‐Dose Radiation Millimeter‐Wave Capsule Yagi Array Antenna for Human Body Application
di: Ming‐An Chung, et al.
Pubblicazione: (2026)
di: Ming‐An Chung, et al.
Pubblicazione: (2026)
The Breeze 2 Herd of Models: Traditional Chinese LLMs Based on Llama with Vision-Aware and Function-Calling Capabilities
di: Research, MediaTek, et al.
Pubblicazione: (2025)
di: Research, MediaTek, et al.
Pubblicazione: (2025)
FineWeb2: One Pipeline to Scale Them All -- Adapting Pre-Training Data Processing to Every Language
di: Penedo, Guilherme, et al.
Pubblicazione: (2025)
di: Penedo, Guilherme, et al.
Pubblicazione: (2025)
Parental Income and Long‐Term Survival in Pediatric Tracheostomy: A Population‐Based Study in Taiwan
di: Chia‐Hsuan Lee, et al.
Pubblicazione: (2026)
di: Chia‐Hsuan Lee, et al.
Pubblicazione: (2026)
RAD-Bench: Evaluating Large Language Models Capabilities in Retrieval Augmented Dialogues
di: Kuo, Tzu-Lin, et al.
Pubblicazione: (2024)
di: Kuo, Tzu-Lin, et al.
Pubblicazione: (2024)
The Prognostic Role of Pitt Bacteremia Score in Patients With Nonbacteremic Klebsiella pneumoniae Infections
di: Jia-Mei Chang, et al.
Pubblicazione: (2025)
di: Jia-Mei Chang, et al.
Pubblicazione: (2025)
Guided Paths through Web-based Collections: Design, Experiences, and Adaptations.
di: Shipman, Frank M., III, et al.
Pubblicazione: (2000)
di: Shipman, Frank M., III, et al.
Pubblicazione: (2000)
Psychometric Properties of the Traditional Chinese Version of the Friendship Scale for Older Adults
di: Pei‐Ting Chung, et al.
Pubblicazione: (2025)
di: Pei‐Ting Chung, et al.
Pubblicazione: (2025)
Association Between Traditional Chinese Medicine Use and Sepsis Risk and Glucocorticoid Exposure in Patients With Systemic Lupus Erythematosus: A Retrospective Cohort Study
di: Chiao‐Hsuan Chu, et al.
Pubblicazione: (2025)
di: Chiao‐Hsuan Chu, et al.
Pubblicazione: (2025)
An Electronic Library-Based Learning Environment for Supporting Web-Based Problem-Solving Activities
di: Tsai, Pei-Shan, et al.
Pubblicazione: (2012)
di: Tsai, Pei-Shan, et al.
Pubblicazione: (2012)
WWE-UIE: A Wavelet & White Balance Efficient Network for Underwater Image Enhancement
di: Cheng, Ching-Heng, et al.
Pubblicazione: (2025)
di: Cheng, Ching-Heng, et al.
Pubblicazione: (2025)
LGZGD for Gestational Diabetes Mellitus: Integration of Traditional Chinese Medicine With Modern Research Evidence—A Letter to the Editor
di: Lien‐Chung Wei, et al.
Pubblicazione: (2025)
di: Lien‐Chung Wei, et al.
Pubblicazione: (2025)
28‐GHz Compact Substrate‐Integrated Waveguide Array Antenna With Power Divider Structure
di: Ming-An Chung, et al.
Pubblicazione: (2025)
di: Ming-An Chung, et al.
Pubblicazione: (2025)
Miniaturize Dual‐Band Open‐Loop Resonator‐Based MIMO Antenna With Wide Bandwidth and High Gain
di: Ming-An Chung, et al.
Pubblicazione: (2024)
di: Ming-An Chung, et al.
Pubblicazione: (2024)
Impact of teaching strategies on student mathematics performance: Evidence from Indonesia PISA 2018
di: Chuan‐Chung Hsieh, et al.
Pubblicazione: (2026)
di: Chuan‐Chung Hsieh, et al.
Pubblicazione: (2026)
3-Dimensional WIMP Effective Velocity Distribution
di: Shan, Chung-Lin
Pubblicazione: (2025)
di: Shan, Chung-Lin
Pubblicazione: (2025)
HSSDCT: Factorized Spatial-Spectral Correlation for Hyperspectral Image Fusion
di: Lee, Chia-Ming, et al.
Pubblicazione: (2026)
di: Lee, Chia-Ming, et al.
Pubblicazione: (2026)
QuantTune: Optimizing Model Quantization with Adaptive Outlier-Driven Fine Tuning
di: Chen, Jiun-Man, et al.
Pubblicazione: (2024)
di: Chen, Jiun-Man, et al.
Pubblicazione: (2024)
Robust Hyperspectral Image Panshapring via Sparse Spatial-Spectral Representation
di: Lee, Chia-Ming, et al.
Pubblicazione: (2025)
di: Lee, Chia-Ming, et al.
Pubblicazione: (2025)
A 10 × 10 MIMO Multiband Broadband Planar Antenna for Multiband Applications
di: Ming-An Chung, et al.
Pubblicazione: (2024)
di: Ming-An Chung, et al.
Pubblicazione: (2024)
DenseSR: Image Shadow Removal as Dense Prediction
di: Lin, Yu-Fan, et al.
Pubblicazione: (2025)
di: Lin, Yu-Fan, et al.
Pubblicazione: (2025)
Successful Treatment of Osimertinib Resistance in an EGFR‐Mutant Lung Cancer Patient With a Rare STRN3‐ALK Fusion Using Brigatinib and Osimertinib
di: Chia‐Yu Kuo, et al.
Pubblicazione: (2025)
di: Chia‐Yu Kuo, et al.
Pubblicazione: (2025)
Towards Fast and Scalable Normal Integration using Continuous Components
di: Milano, Francesco, et al.
Pubblicazione: (2025)
di: Milano, Francesco, et al.
Pubblicazione: (2025)
A 28‐GHz Vivaldi Array Antenna With Power Divider Structure for Achieving Wide Band and Gain Enhancement
di: Ming-An Chung, et al.
Pubblicazione: (2024)
di: Ming-An Chung, et al.
Pubblicazione: (2024)
Evaluating Long-Context Reasoning in LLM-Based WebAgents
di: Chung, Andy, et al.
Pubblicazione: (2025)
di: Chung, Andy, et al.
Pubblicazione: (2025)
Confounders in anaesthesia‐related depression outcomes
di: Chi‐Jen Hsu, et al.
Pubblicazione: (2025)
di: Chi‐Jen Hsu, et al.
Pubblicazione: (2025)
Changes in Decisional Conflict and Decisional Regret Among Living Kidney Donors From Pre‐Donation to 1‐Year Post‐Donation
di: Kuan‐Lin Liu, et al.
Pubblicazione: (2025)
di: Kuan‐Lin Liu, et al.
Pubblicazione: (2025)
On Unified Adaptive Black-Litterman Mean-Variance Portfolio Management
di: Li, Chi-Lin, et al.
Pubblicazione: (2023)
di: Li, Chi-Lin, et al.
Pubblicazione: (2023)
Research on Web Search Behavior.
di: Hsieh-Yee, Ingrid
Pubblicazione: (2001)
di: Hsieh-Yee, Ingrid
Pubblicazione: (2001)
MISS: Memory-efficient Instance Segmentation Framework By Visual Inductive Priors Flow Propagation
di: Hsu, Chih-Chung, et al.
Pubblicazione: (2024)
di: Hsu, Chih-Chung, et al.
Pubblicazione: (2024)
Post‐COVID Alopecia Areata in Psychiatric Populations: Reflections on Phenotyping, Psychoneuroimmunology, and Service Integration From Taiwan
di: Jen‐Chin Lee, et al.
Pubblicazione: (2025)
di: Jen‐Chin Lee, et al.
Pubblicazione: (2025)
Monoamine oxidase inhibitors in depression treatment: Addressing gaps and future directions
di: Jen‐Chin Lee, et al.
Pubblicazione: (2024)
di: Jen‐Chin Lee, et al.
Pubblicazione: (2024)
Integrating safety and health practices in therapeutic communities: Insights from Taiwan's Chieh‐Lo‐Shan Villa
di: Jen‐Chin Lee, et al.
Pubblicazione: (2024)
di: Jen‐Chin Lee, et al.
Pubblicazione: (2024)
Astrocytic insulin signaling and intranasal insulin administration: Potential therapeutic avenues for behavioral symptoms in Alzheimer's disease
di: Jen‐Chin Lee, et al.
Pubblicazione: (2025)
di: Jen‐Chin Lee, et al.
Pubblicazione: (2025)
On Risk-Sensitive Decision Making Under Uncertainty
di: Hsieh, Chung-Han, et al.
Pubblicazione: (2024)
di: Hsieh, Chung-Han, et al.
Pubblicazione: (2024)
Full transmission of vectorial waves through 3D multiple-scattering media
di: Lin, Ho-Chun, et al.
Pubblicazione: (2024)
di: Lin, Ho-Chun, et al.
Pubblicazione: (2024)
Design and application of D‐band bandpass filter based on 0.18 μm complementary metal oxide semiconductor process
di: Ming‐An Chung, et al.
Pubblicazione: (2024)
di: Ming‐An Chung, et al.
Pubblicazione: (2024)
Efficient estimation for flexible spatial zero-inflated models with environmental applications
di: Shen, Chung-Wei, et al.
Pubblicazione: (2025)
di: Shen, Chung-Wei, et al.
Pubblicazione: (2025)
Documenti analoghi
-
The FineWeb Datasets: Decanting the Web for the Finest Text Data at Scale
di: Penedo, Guilherme, et al.
Pubblicazione: (2024) -
Ultra-FineWeb: Efficient Data Filtering and Verification for High-Quality LLM Training Data
di: Wang, Yudong, et al.
Pubblicazione: (2025) -
A 38 GHz Low‐Dose Radiation Millimeter‐Wave Capsule Yagi Array Antenna for Human Body Application
di: Ming‐An Chung, et al.
Pubblicazione: (2026) -
The Breeze 2 Herd of Models: Traditional Chinese LLMs Based on Llama with Vision-Aware and Function-Calling Capabilities
di: Research, MediaTek, et al.
Pubblicazione: (2025) -
FineWeb2: One Pipeline to Scale Them All -- Adapting Pre-Training Data Processing to Every Language
di: Penedo, Guilherme, et al.
Pubblicazione: (2025)