橙子AI科技 Logo 橙子AI科技 需求咨询
菜单
数据集

dolma3_dolmino_mix-100B-1125

allenai/dolma3_dolmino_mix-100B-1125

查看上游原文 ↗
上游访问：公开 本站服务：可咨询 内容检查：AI 辅助整理并检查 许可证：odc-by 上游版本：f23aa129fda8

中文简介

allenai/dolma3_dolmino_mix-100B-1125 是 allenai 在 Hugging Face 发布的数据集仓库，当前卡片主要关联上游卡片所列任务。本站固定记录上游版本 f23aa129fda8，同步到 99676 个文件，文件元数据合计 297.60 GB；访问状态为“公开”，许可证字段为“odc-by”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 allenai/dolma3_dolmino_mix-100B-1125 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息，完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
allenai/dolma3_dolmino_mix-100B-1125 是 allenai 在 Hugging Face 发布的数据集仓库，当前卡片主要关联上游卡片所列任务。本站固定记录上游版本 f23aa129fda8，同步到 99676 个文件，文件元数据合计 297.60 GB；访问状态为“公开”，许可证字段为“odc-by”。

【适用方向】
适合在明确数据字段、拆分和许可证后，用于上游卡片所列任务相关的训练、评测或研究。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分，避免只依据仓库名称判断数据质量。

【版本与规格】
固定版本：f23aa129fda8。 任务标签：上游卡片所列任务。 语言字段：en。 上游页面记录的最近更新时间：2026-02-23。

【文件信息】
上游 API 返回 99676 个文件，文件元数据合计 297.60 GB。 已保存文件清单中的主要扩展名：.zst 99 个、无扩展名 1 个。 当前较大的文件包括：data/ingredient1-code-meta-reasoning/mid-train-test_part_001.jsonl.zst（10.56 MB）；data/ingredient1-code-meta-reasoning/mid-train-test_part_046.jsonl.zst（10.54 MB）；data/ingredient1-code-meta-reasoning/mid-train-test_part_039.jsonl.zst（9.74 MB）。 仓库文件较多，本站仅保存前 100 条文件元数据；完整清单请查看上游仓库。

【运行或处理环境】
仓库文件元数据合计 297.60 GB。仅按下载、解压和临时文件估算，建议至少预留约 357.12 GB 可用磁盘；实际需求还取决于压缩率、缓存、数据转换和训练副本，正式处理前应以完整文件清单重新测算。

【使用边界】
许可证显示为“odc-by”，具体用途限制、附加政策和归属要求仍以上游原文为准。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-26 00:51

Dolma 3 Dolmino dataset pool for Olmo 3 stage 2 annealing training This dataset contains the high-quality pool of data considered for the second stage of Olmo 3 32B. Dataset Sources | Source | Category | |--------|----------| | TinyMATH Mind | Math (synth) | | TinyMATH PoT | Math (synth) | | CraneMath | Math (synth) | | MegaMatt | Math (synth) | | Dolmino Math | Math (synth) | | StackEdu (FIM) | Code | | CraneCode | Python (synth) | | Reddit To Flashcards | QA (synth) | | Wiki To RCQA | QA (synth) | | Nemotron Synth QA | QA (synth) | | Math Meta-Reasoning | Thinking (synth) | | Code Meta-Reasoning | Thinking (synth) | | Program-Verifiable | Thinking (synth) | | OMR Rewrite FullThoughts | Thinking (synth) | | QWQ Reasoning Traces | Thinking (synth) | | General Reasoning Mix | Thinking (synth) | | Gemini Reasoning Traces | Thinking (synth) | | Llama Nemotron Reasoning Traces | Thinking (synth) | | OpenThoughts2 Reasoning Traces | Thinking (synth) | | Tulu 3 SFT | Instruction (synth) | | Dolmino 1 Flan | Instruction (synth) | | OLMOCR Science PDFs (High Q.) | PDFs | | STEM-Heavy Crawl | Web pages | | Common Crawl (High Q.) | Web pages | Ingredients There were two ingredients used during stage 2 midtraining annealling of Olmo 3 32B. There were 2 versions of a 100B mix: Ingredient 1 100B tokens Mix composition: web pages, code, math/QA/thinking/instruction/PDFs Ingredient 2 100B tokens Mix composition: web pages, code, math/QA/thinking/instruction/PDFs Licensing Information Dolma 3 Dolmino is licensed under the Open Data Commons Attribution License v1.0 (ODC-By). It is intended for research and educational use. For more information, please see our Responsible Use Guidelines. Citation

公开页仅展示原文摘录；完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合在明确数据字段、拆分和许可证后，用于上游卡片所列任务相关的训练、评测或研究。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分，避免只依据仓库名称判断数据质量。

规模与格式

固定版本：f23aa129fda8。 任务标签：上游卡片所列任务。 语言字段：en。 上游页面记录的最近更新时间：2026-02-23。

文件说明

上游 API 返回 99676 个文件，文件元数据合计 297.60 GB。 已保存文件清单中的主要扩展名：.zst 99 个、无扩展名 1 个。 当前较大的文件包括：data/ingredient1-code-meta-reasoning/mid-train-test_part_001.jsonl.zst（10.56 MB）；data/ingredient1-code-meta-reasoning/mid-train-test_part_046.jsonl.zst（10.54 MB）；data/ingredient1-code-meta-reasoning/mid-train-test_part_039.jsonl.zst（9.74 MB）。 仓库文件较多，本站仅保存前 100 条文件元数据；完整清单请查看上游仓库。

上游文件元数据

以下仅为 Hugging Face 官方 API 返回的文件名与大小元数据，官网没有下载或托管这些文件。

  • .gitattributes2.40 KB
  • data/ingredient1-code-meta-reasoning/mid-train-test_part_001.jsonl.zst10.56 MB
  • data/ingredient1-code-meta-reasoning/mid-train-test_part_002.jsonl.zst9.31 MB
  • data/ingredient1-code-meta-reasoning/mid-train-test_part_003.jsonl.zst9.68 MB
  • data/ingredient1-code-meta-reasoning/mid-train-test_part_004.jsonl.zst9.09 MB
  • data/ingredient1-code-meta-reasoning/mid-train-test_part_005.jsonl.zst8.82 MB
  • data/ingredient1-code-meta-reasoning/mid-train-test_part_006.jsonl.zst9.02 MB
  • data/ingredient1-code-meta-reasoning/mid-train-test_part_007.jsonl.zst9.40 MB
  • data/ingredient1-code-meta-reasoning/mid-train-test_part_008.jsonl.zst9.54 MB
  • data/ingredient1-code-meta-reasoning/mid-train-test_part_009.jsonl.zst9.45 MB
  • data/ingredient1-code-meta-reasoning/mid-train-test_part_010.jsonl.zst8.39 MB
  • data/ingredient1-code-meta-reasoning/mid-train-test_part_011.jsonl.zst8.07 MB

文件较多，本页只展示前 12 项；完整信息以上游仓库为准。

硬件建议

仓库文件元数据合计 297.60 GB。仅按下载、解压和临时文件估算，建议至少预留约 357.12 GB 可用磁盘；实际需求还取决于压缩率、缓存、数据转换和训练副本，正式处理前应以完整文件清单重新测算。

注意事项

许可证显示为“odc-by”，具体用途限制、附加政策和归属要求仍以上游原文为准。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件，并在合法访问权限、许可证及平台规则允许的前提下，协助海内外下载、完整性校验及网盘或硬盘交付；本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明，不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。