Corpus - modelos de lenguaje

RedPajama-Data-v2

https://github.com/togethercomputer/RedPajama-Data

RedPajama-Data-v2 es un corpus multilingüe de acceso abierto para el entrenamiento de modelos de lenguaje, que está formado por 30 billones de formas... Ver más»
Publica

En esta sección se recopilarán los corpus del español disponibles en la red.

Etiquetas

corpus de estudiantes corpus de referencia corpus de vídeo corpus escrito corpus general corpus multilingüe corpus oral corpus sonoro corpus textual español para fines específicos inmigrantes variedades geográficas