AI2发布大语言模型开源数据集Dolma

文章概要:1.AI2推出开源数据集Dolma，包含3万亿个token，来自各类网络内容、学术出版物等。2.Dolma主要以英文文本为主，遵循开放许可，免费向研究人员开放。3.Dolma作为开放语言模型OLMo的基础，OLMo计划2024年初发布。