Pleias publie Common Corpus, un vaste jeu de données ouvert pour l'entraînement de LLM

Pleias met à disposition Common Corpus, un ensemble de données textuelles constitué de contenus du domaine public et sous licences ouvertes. Cette ressource vise à fournir une alternative traçable et conforme aux corpus habituellement utilisés pour le pré-entraînement des grands modèles de langage.