AICC: Parse HTML Finer, Make Models Better -- A 7.3T AI-Ready Corpus Built by a Model-Based HTML Parser

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Ma, Ren, Qiu, Jiantao, Xu, Chao, Chu, Pei, Liu, Kaiwen, Ren, Pengli, Qu, Yuan, Peng, Jiahui, Hou, Linfeng, Liu, Mengjie, Lu, Lindong, Ning, Wenchang, Yu, Jia, Min, Rui, Shi, Jin, Chen, Haojiong, Zhang, Peng, Zhang, Wenjian, Jiang, Qian, Hu, Zengjie, Yang, Guoqiang, Li, Zhenxiang, Shang, Fukai, Ma, Runyuan, Su, Chenlin, Tu, Zhongying, Zhang, Wentao, Lin, Dahua, He, Conghui
Formato:	Preprint
Publicado:	2025
Materias:	Computation and Language
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2511.16397