对标OpenAI数据集

开源数据集因侵权问题，惨遭下架。如LLaMA、GPT-J等，都用它训练过。如今，托管了它3年的网站，一夜之间删除了所有相关内容。这就是Books3，一个由将近20万本图书组成的数据集，大小将近37GB。丹麦一家反盗版组织表示，在该数据集中发现了150本其成员的书籍，构成侵权，所以要求平台下架。现在该平台上的Books3网页链接已经“404”。