README.md

metadata

configs:
  - config_name: default
    data_files:
      - split: train
        path: data/*.parquet
language:
  - zh

Wikipedia-zhtw Filtered

基於 erhwenkuo/wikipedia-zhtw (20231001) 整理的資料並使用 huggingface/datatrove 清洗資料，移除許多過短、重複和包含雜訊的文章。