aixiPa Hugging Face 近日开源了一款名为“Cosmopedia”的 AI 训练数据集，号称是目前世界上最大的合成数据集。该数据集内容均由 Mixtral 7b 模型汇总生成，其中包含大量教科书、博客文章、故事小说、WikiHow 教程，共计 250 亿个 Token。 Hugging Face 表示，这次开源的数据集为 0.1 版本，未来团队还将持续更新该数据集，推进业界 AI 训练发展。 项目地址：huggingface.co
