Dataset · Hugging Face

SlayerLab/slayer-pl-8x3b

Name: slayer-pl-8x3b
Creator: SlayerLab
License: other
Keywords: language:pl, language:en, license:other, size_categories:10M<n<100M, format:parquet, modality:text, library:datasets, library:dask, library:polars, library:mlcroissant, region:us, polish, pretraining, register-classification, web

slayer-pl-8x3b Osiem rozłącznych polskich zbiorów treningowych, po około 3 mld tokenów każdy (łącznie około 24 mld tokenów, licznik cl100k). Zbiory przeznaczone są do treningu wieloprzebiegowego: różnią się rozłącznym wycinkiem danych web (brak wspólnych dokumentów między zbiorami), natomiast współdzielą rdzeń zróżnicowany rejestrowo, warstwę prawno-urzędową oraz dosypkę angielską. Format wyjściowy: parquet. Tokenizacja pozostaje po stronie odbiorcy. Kontrakt danych… See the full description on the dataset page: https://huggingface.co/datasets/SlayerLab/slayer-pl-8x3b.

View on Hugging FaceReport an issue

Author / organization	SlayerLab
License (as declared)	other
Downloads	241 (as reported by Hugging Face)
Likes	0
Created	28 August 2026
Last updated at source	28 August 2026

polishpretrainingregister-classificationweb

Embed this entry

<iframe src="https://silytics.si/embed/item/510af3d5-ef27-43ae-9467-870827461b80" width="420" height="190" style="border:0" loading="lazy" title="Silytics entry"></iframe>

Free, no tracking. More about feeds and embeds.

Popularity, last 2 days

241 now (-7 since 2026-10-16). Counts as reported by the source, snapshotted daily by Silytics.

More from SlayerLab

SlayerLab/gollem-ui-mirrorDataset
SlayerLab/polish-dynawordDataset
SlayerLab/minimal-en-corpus-5bDataset
SlayerLab/minimal-en-corpus-2b-v2Dataset
SlayerLab/gollem-corpus-16b-plDataset
SlayerLab/tokenizersDataset

Silytics shows public metadata from Hugging Face and links to the original. Information may be incomplete or out of date. Last refreshed 17 October 2026. Licenses and terms of the original apply to the work itself. Not financial, legal or professional advice.