К содержимому

Датасет · tandevllc

Корпус текстов по кибербезопасности

tandevllc/offsec_redteam_info

Англоязычный текстовый корпус объемом около 1.6B токенов по темам red-team и blue-team.

Что внутри

Содержит тексты по информационной безопасности на английском языке, собранные с профильных сайтов, блогов и рекомендаций в стиле SlimPajama. Общий объем составляет около 1.646 миллиарда токенов для исследовательских целей.

Что можно сделать

  • Дообучение LLM в сфере информационной безопасности
  • Исследования текстов по кибербезопасности
Задачи
Генерация текста, Поиск по текстам, text ranking, Эмбеддинги, Похожесть текстов, Вопрос-ответ
Языки
Английский
Размер
1M–10M записей
Скачиваний за месяц
351
Лайков
34
Доступ
по запросу на Hugging Face

Как загрузить

from datasets import load_dataset

ds = load_dataset("tandevllc/offsec_redteam_info")