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")