TabLib - 867B Tabular Token veri kümesi

• LLM eğitimi için 627M (6,27 yüz milyon) tablo ve 867B (867 milyar) token içeren veri kümesi
  • Web sayfaları, Excel, CSV, SQLite vb. kaynaklardan çıkarılmış tabloları içerir
  • Dosya adları, kaynak URL'leri ve her tablonun çevresindeki metinler gibi zengin bağlamsal veriler
• Tablo biçimli veri görevlerine yönelik daha iyi anlayış ve teknikler geliştirmeye yardımcı olması amaçlanıyor
• 650 milyar satır ve en fazla 8 milyar sütun
• En büyük tablo 32 milyon satır içeriyor
• En geniş tablo 3 milyon sütuna sahip