paper7Atualizado em 20/11/2026
← Todos os datasets

tokenizers

Dataset de Polygl0t
otherConteúdo: reempacotadoFicha descreve a coletaFicha trata de direitos
Linhas
9,0 mi
Downloads em 30 dias
636
Curtidas
0
Criado
24/09/2025
Atualizado
há 9 meses

Posso usar comercialmente?

Licença própria ou incerta. A licença é própria ou incerta. Leia os termos antes de usar.

Isto lê só a licença que o autor declarou. Licença aberta posta por quem coletou não garante que os donos do conteúdo original cederam os direitos.

Papers citados na ficha

  1. 2026
    Tucano 2 Cool: Better Open Source LLMs for Portuguese

    Nicholas Kluge Corrêa, Aniket Sen, Shiza Fatimah, Sophia Falk, Lennard Landgraf

  2. 2026
    Raising Bars, Not Parameters: LilMoo Compact Language Model for Hindi

    Shiza Fatimah, Aniket Sen, Sophia Falk, Florian Mai, Lucie Flek

Outros datasets de Polygl0t