esbatmop/MNBVC

View on GitHub

esbatmop/MNBVC has 4,296 GitHub stars and 298 forks. GitHot measured -1 stars in 24 hours. Last checked 2026-11-04 22:03 UTC. Last push 2026-10-25.

How these counts are measured

MNBVC(Massive Never-ending BT Vast Chinese corpus)超大规模中文语料集。对标chatGPT训练的40T数据。MNBVC数据集不但包括主流文化，也包括各个小众文化甚至火星文的数据。MNBVC数据集包括新闻、作文、小说、书籍、杂志、论文、台词、帖子、wiki、古诗、歌词、商品介绍、笑话、糗事、聊天记录等一切形式的纯文本中文数据。