三花快讯 · 2024, 9月3日
高质量维基百科数据集
总共包含约 1.44 亿个向量嵌入，完全免费和开源
upstash 团队发布了一个超大的、预处理的高质量维基百科数据集 Upstash/wikipedia-2024-06-bge-m3 ，包含 11 种语言（含中文），该数据集总共包含约 1.44 亿个向量嵌入，完全免费和开源。
商业转载请联系三花微信公众号获得授权，非商业转载请注明本文出处及文章链接，您可以自由地在任何媒体以任何形式复制和分发作品，也可以修改和创作，但是分发衍生作品时必须采用相同的许可协议。
本文采用 CC BY-NC-SA 4.0 - 非商业性使用 - 相同方式共享 4.0 国际 进行许可。