TxT360-v2

中文简介

TxT360-v2 是 K2 Horizon 的预训练来源集合，以不同配置组织 Parquet 分片。每个子集对应自身来源和处理流程，适合需要显式管理采样权重的训练任务。

适用场景

用于预训练来源比较、按子集流式读取与数据混合实验。

规模与格式

选型方向：预训练与后训练数据。固定上游版本：63d6dbf4d469058a8c7868909be18a5ada487be1。API 任务字段：text-generation。上游最近更新时间：2026-09-03（不一定为首次发布日期）。 规模、子集和组件差异见本页简介及注意事项；API 标签与卡片正文的含义分别保留。

文件说明

上游 API 返回 2638 个文件，文件元数据合计 4.82 TB。 已保存文件清单中的主要扩展名：.parquet 98 个、.md 1 个、无扩展名 1 个。 当前较大的文件包括：txt360-qa/TxT360-QA.chunk0-992fabba86-00070.parquet（1.88 GB）；txt360-qa/TxT360-QA.chunk0-992fabba86-00063.parquet（1.88 GB）；txt360-qa/TxT360-QA.chunk0-992fabba86-00085.parquet（1.88 GB）。 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。 此处只统计当前 Git 仓库的文件元数据，不包含外部链接、Bucket 或另行申请的完整集合。

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。

• .gitattributes2.45 KB
• README.md3.47 KB
• txt360-qa/TxT360-QA.chunk0-992fabba86-00000.parquet1.88 GB
• txt360-qa/TxT360-QA.chunk0-992fabba86-00001.parquet1.88 GB
• txt360-qa/TxT360-QA.chunk0-992fabba86-00002.parquet1.88 GB
• txt360-qa/TxT360-QA.chunk0-992fabba86-00003.parquet1.88 GB
• txt360-qa/TxT360-QA.chunk0-992fabba86-00004.parquet1.88 GB
• txt360-qa/TxT360-QA.chunk0-992fabba86-00005.parquet1.88 GB
• txt360-qa/TxT360-QA.chunk0-992fabba86-00006.parquet1.88 GB
• txt360-qa/TxT360-QA.chunk0-992fabba86-00007.parquet1.86 GB
• txt360-qa/TxT360-QA.chunk0-992fabba86-00008.parquet1.88 GB
• txt360-qa/TxT360-QA.chunk0-992fabba86-00009.parquet1.88 GB

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

先确定配置、split、模态及文件范围，按原始文件、解压产物、缓存与处理副本分别估算磁盘。视频、音频和图像数据还需对应解码工具；建议先用少量样本验证 schema、时间同步与数据处理流程。

注意事项

不要假设所有配置共享同一 schema 或质量筛选流程；CC BY 4.0 要求适当署名，原始来源信息应保留。

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。

• 数据集获取、核对与国内交付服务
• 数据集怎么下载：版本、分片、许可证与完整性校验
• 企业和高校批量获取模型与数据集：只需链接或准确全称
• 100GB、1TB 以上模型如何用网盘或硬盘交付