一个3T大小却包含4.75亿PDF的数据集-FinePDFs

FinePDFs是一个专案
主要是爬了2013至2025这几年间的pdf文档，经过数据清洗与标记后，归纳成为一个包含1733种语言在内的4.75亿pdf文档数据库。

之所以要做这个是因为团队发现大部分模型训练内容几乎不包含pdf档（仅占0.6%左右），但其实许多的技术文件以及理论文档都是以pdf格式存在，因此他们团队才决定朝这个方向前进。

有兴趣的可以看看以下的技术说明及数据库
主要会对模型训练有帮助
huggingface.co

FinePDFs: Liberating 3T of the finest tokens from PDFs - a Hugging Face Space...

Discover amazing ML apps made by the community
huggingface.co

HuggingFaceFW/finepdfs · Datasets at Hugging Face

We’re on a journey to advance and democratize artificial intelligence through open source and open science.

2 posts - 2 participants

Read full topic

via LINUX DO - 最新话题 (author: josenlou)

Invalid media:
image
image
image

NV发表了Music Flamingo模型，帮助你了解每一首歌曲

还记得很多B站up主会发歌曲解析视频帮助观众了解每一首歌曲的组成以及背后的故事
以后就可以靠NV的Music Flamingo来帮你了

模型特点如下
huggingface.co

nvidia/music-flamingo-2601-hf · Hugging Face

We’re on a journey to advance and democratize artificial intelligence through open source and open science.

在线演示
huggingface.co

Music Flamingo - a Hugging Face Space by nvidia

This app lets you analyze audio content by uploading music files or pasting YouTube URLs. You can then ask specific questions about the music like genre, instruments, mood, lyrics, or other details...

1 post - 1 participant

Read full topic

via LINUX DO - 最新话题 (author: josenlou)

Invalid media:
image
image
image
image

有没有佬研究过agi

2 posts - 1 participant

Read full topic

via LINUX DO - 最新话题 (author: Fake)

Grok Build -基于Grok的Cli工具

Grok也来参与Vibe coding
xAI预计发表的Grok Build会提供Cli工具
预计在晚些时候发布
同时发布的还有Grok Code升级版，或许会是Grok code 2。
TestingCatalog – 8 Jan 26

Early look at Grok Build, upcoming coding agent from xAI

What we know so far: Grok Build will arrive as a CLI tool along with a web UI support on Grok. Remote coding agents are planned to arrive later, too.

2 posts - 2 participants

Read full topic

via LINUX DO - 最新话题 (author: josenlou)

Invalid media:
image
image
image

喜加一 | EPIC 限免（1.9）：「气球塔防6」

​​​​​​​​​​​​喜加一 | EPIC 限免（1.9）

💻️ 本期限免

Bloons TD 6「气球塔防6」

⏳️下期限免

Styx: Master of Shadows「冥河：暗影大师」
Styx: Shards of Darkness「冥河：黑暗碎片」

注：游戏截止！1.16，00:00

链接：

官网

即时结账

2 posts - 2 participants

Read full topic

via LINUX DO - 最新话题 (author: Cora Tracy)

Invalid media: image

这几天为啥点赞总是“该回应是很久以前创建的”？而且动不动就403了，是我啥操作不对吗

11 posts - 8 participants

Read full topic

via LINUX DO - 最新话题 (author: anarkh)

Invalid media: image

ai-studio-build反代理，测试预览版

google ai studio-build反代理预览版测试，来人测测有没有bugaistudio-gemini-proxy-v4.0-Preview（test）.zip (90.6 KB)

2 posts - 2 participants

Read full topic

via LINUX DO - 最新话题 (author: zhongruichen)

『转』化学老师亲手开发更适合中国学生体质的旮旯game

从『转『高中化学老师把试卷做成了RPG继续讨论：

化学老师亲手开发更适合中国学生体质的旮旯game
bilibili.com

化学老师亲手开发更适合中国学生体质的旮旯game_游戏实况

简介：RPG里的一个小游戏，用来练习配平的。 全速开发中，欢迎关注；已有38名玩家向您推荐本视频，点击前往哔哩哔哩bilibili一起观看；更多实用攻略教学，爆笑沙雕集锦，你所不知道的游戏知识，热门游戏视频7*24小时持续更新,尽在哔哩哔哩bilibili 视频播放量 1406、弹幕量 0、点赞数 38、投硬币枚数 8、收藏人数 16、转发人数 8, 视频作者 SilverSpiral, 作者简介...

……😭但是现实啊，做题似乎不会提升学科对吾的好感度，只会自我攻略罢了

2 posts - 2 participants

Read full topic

via LINUX DO - 最新话题 (author: stevessr backup)

Invalid media:
image
image

特别消息 ［兑换链接］从新上线！Dynamous x Kiro 黑客马拉松 2000次额度

赶紧去拿吧！！！

更多详情，请看我之前发的帖：
https://linux.do/t/topic/1418129?u=dkly2004

本消息对你有用的话，点个赞再走吧☺️

7 posts - 5 participants

Read full topic

via LINUX DO - 最新话题 (author: Davon)

是我节点问题吗，未读的蓝点消不掉了

你们有同样的问题吗，阅读数不够了啊

6 posts - 5 participants

Read full topic

via LINUX DO - 最新话题 (author: canbingzt)

Invalid media: image

vercel 的V0有点屌啊，写出来的风格很舒服

很早之前还是只能对话，现在直接可以写完自己部署了。

风格跟vercel一毛一样，他的风格提示词是什么，有佬知道吗？

1 post - 1 participant

Read full topic

via LINUX DO - 最新话题 (author: Tom Black)

Invalid media: image

初学 GO 并开发了一个命令行 AI 小玩具，有感而发

GO 语言也太啰嗦了，不过倒也挺简单的，就是原生网络请求太麻烦了，强类型转换也挺麻烦

5 posts - 4 participants

Read full topic

via LINUX DO - 最新话题 (author: Neo)

Invalid media: image

我也是拥有gemini学生优惠的了

昨天折腾好久都不行，都打算放弃了，没想到今天心血来潮试下就通过并且订阅成功了

说下环境：我用的是机场美国IP。Edge浏览器

把我的好运传给下一位佬友

11 posts - 9 participants

Read full topic

via LINUX DO - 最新话题 (author: jeedy)

Invalid media: image

antigravity的Claude额度也太少了吧

随便跑跑改改bug就没了，质量感觉也低了，之前的代码基本上一次过，现在代码还有改好几次bug

9 posts - 6 participants

Read full topic

via LINUX DO - 最新话题 (author: tree1234)

突然间，感觉掉入了囚徒困境

这几天，
感觉不想随便给人点赞了。
但是我想了想，如果大家都不给人点赞，那么获赞的总数会减少，
只有大家都同时愿意送出赞，才能双赢。
这岂不就是囚徒困境？

5 posts - 5 participants

Read full topic

via LINUX DO - 最新话题 (author: zzGreg 周周·格雷哥)

【开发求助】每日 编程界 日报

佬友们，我因为不知道哪儿有 每日日报看， 因此想自己开发一个每日日报
理想 ： 通过定时任务，每天会更新一篇文章 ， 汇总 编程界（包括AI） 的 最新消息，并附带URL 可查看详细。

现在苦于找不到类似的东西 和 没有灵感，特来求助佬们
（如果有类似的网站啥的， 我就懒得开发了，嘻嘻）

7 posts - 4 participants

Read full topic

via LINUX DO - 最新话题 (author: 秋明)

各位佬们用哪家的2FA

现在有好多个谷歌普号，都用来反重力，想换设备ip登录使用，所以2FA不敢用谷歌的，谷歌号说封就封，一下就连坐，我怕绑了谷歌2FA的谷歌号被连坐封了，然后全部号都没了。（意思是2fa用谷歌家的，然后这个2fa又绑了我几个号，其中谷歌家的2fa是用我谷歌大号，因为我的号全在一个列表，怕被谷歌判定批量，连坐大号，大号登不进去2fa，号全没了）现在主流的2FAS Auth都是iCloud/Google Drive 进行备份，我是安卓，又得和谷歌号关联，怕有时候自己忘记备份，谷歌号又被封了，新加的号岂不是找不回来？佬们，有没有既可以传云端备份，稳定不封号的，又可以自己导出.2fas文件的品牌啊？

或者有没有佬比较懂这方面，给点建议

15 posts - 13 participants

Read full topic

via LINUX DO - 最新话题 (author: 小静静喜喜)

在12月份相亲认识了一女孩，但感觉很不对劲

本人是个游戏宅，谈过几段网恋。然后今年现实里12月份，家里介绍相亲一女护士，和我差4岁，她脸有点婴儿肥，长得不难看，但也不是我一眼心动的类型（她165，我本身180，长得也不丑），认识期间我约了她三次出来，第一次看电影，第二次吃了饭+搓麻将，第三次逛公园。然后问题来了，她基本不怎么微信上和我聊天，我主动的时候（她休息的时间段）也是隔一两小时才回我的消息，但是线下跟她见面聊天的时候又蛮正常的，这段关系给我的感觉很拧巴，我是那种行就行，不行就不行，我讨厌用热脸去贴冷屁股主要她也不是让我很上头的女孩，所以就很纠结要不要结束这段关系。各位佬的意见是怎么样的

30 posts - 21 participants

Read full topic

via LINUX DO - 最新话题 (author: yu X)

佬友们，千万别在淘宝搜索熊气补给

RT 已经老实了 😂

18 posts - 17 participants

Read full topic

via LINUX DO - 最新话题 (author: yumo bai)

谷歌账号 申诉过来了 还会被封吗？

6 posts - 6 participants

Read full topic

via LINUX DO - 最新话题 (author: RuiQian Qin)

甲骨文的带宽这么高吗？国内外vps带宽为什么差别这么大

想想国内的小水管，感觉国外环境的带宽环境真友好呀。
PS:听说抖音给国内每个月交的带宽费用10亿人民币，美国只有几百万美元一个月，差别太大了。

3 posts - 3 participants

Read full topic

via LINUX DO - 最新话题 (author: hzx2185)

Invalid media: image