OpenOneRec/OpenOneRec-General-Pretrain

通用文本数据集 本目录包含 OpenOneRec 项目使用的通用文本数据集信息。这些数据集均来自 HuggingFace，经过清洗处理和对齐到项目统一的数据格式，并转换为 Parquet 格式用于训练。 数据格式说明 所有数据集均已转换为统一的 Parquet 格式，符合项目的数据格式规范（参考 ../README.md）。数据格式支持： Segments 格式：用于普通文本数据，使用 segments 字段存储文本段落列表 Chat 格式：用于对话数据，使用 messages 字段存储对话消息列表 每个 Parquet 文件包含以下核心字段： uuid: 唯一标识符 source: 数据来源标识 metadata: JSON 格式的元数据字典 segments 或 messages: 文本内容（根据数据类型选择） 详细的数据格式规范请参考 ../README.md。 数据集列表 数据集名称 样本数量 HuggingFace 仓库 reasoning_v1_20m 1,666… See the full description on the dataset page: https://huggingface.co/datasets/OpenOneRec/OpenOneRec-General-Pretrain.

<iframe src="https://silytics.si/embed/item/1a98c2bf-b565-404c-91c8-056521293eec" width="420" height="190" style="border:0" loading="lazy" title="Silytics entry"></iframe>

Silytics shows public metadata from Hugging Face and links to the original. Information may be incomplete or out of date. Last refreshed 16 October 2026. Licenses and terms of the original apply to the work itself. Not financial, legal or professional advice.