C4 (Colossal Clean Crawled Corpus)

Name: C4 (Colossal Clean Crawled Corpus)
Brand: Allen Institute for AI

Allen Institute for AI, 미국, huggingface.co/datasets/allenai/c4

T5 학습에 쓰인 정제 웹 텍스트 코퍼스

유료 월 시작가무료

무료 사용무료

갱신 주기갱신 없음

품질좋음

상업 이용출처 표시 후 가능

데이터 기간2019년 Common Crawl 기반

가격 기준일 2026-10-23, 출처: huggingface.co/datasets/allenai/c4. 가격과 혜택은 바뀔 수 있어요. 결제 전 공식 사이트에서 확인하세요.

일부 정보는 아직 공식 자료로 확인하지 못했어요. 결제 전 공식 사이트를 꼭 확인하세요.

장점

공개된 자료를 바탕으로 Pickx가 정리한 의견이에요.

정제 방법이 논문으로 공개되고 형식이 안정적

text, url, timestamp

언어 모델 사전학습 연구자

C4는 Common Crawl을 규칙으로 걸러 만든 영어 중심 텍스트 코퍼스예요. T5 모델 학습에 쓰였고 JSON 파일로 공개돼요. 언어 모델 사전학습과 연구에 써요.

조회 0회