TabLib - bộ dữ liệu 867B token dạng bảng

• Bộ dữ liệu gồm 627M (627 triệu) bảng và 867B (867 tỷ) token để huấn luyện LLM
  • Bao gồm các bảng được trích xuất từ trang web, Excel, CSV, SQLite, v.v.
  • Dữ liệu ngữ cảnh phong phú như tên tệp, URL nguồn, văn bản xung quanh từng bảng
• Hy vọng sẽ giúp xây dựng khả năng hiểu và kỹ thuật tốt hơn cho các tác vụ dữ liệu dạng bảng
• 650 tỷ hàng và tối đa 8 tỷ cột
• Bảng lớn nhất có 32 triệu hàng
• Bảng rộng nhất có 3 triệu cột