图书数据集资源汇总-出家如初，成佛有余

最近 Nexus_search 在其Telegram频道发布了一封名为 books4 的图书数据集，包括60万本小说和非小说类图书，600万本学术出版物。

AI Dataset libstc2 aka books4

磁力链接：magnet:?xt=urn:btih:a904e660355c49006b2e7d43893d31bf3c2be9cc

图书数据集最有名的要数 Books3 AI training dataset ，但因版权原因从各大网站下架了，包括 AcademicTorrents.com上的磁力资源详情页也来个大大的提示（magnet:?xt=urn:btih:0d366035664fdf51cfbe9f733953ba325776e667 资源已经无人做种）。

Nexus 没有直接提Books4和Books3的关系，感觉Books4应该包含了Books3的内容。

图书数据集是大模型预训练中核心语料素材，能为模型输出高质量长文本提供参考。Nexus Search这一举措简直是大善人啊。

汇总一下图书数据集和图书类磁力资源/BTSync资源

AI Dataset libstc3

magnet:?xt=urn:btih:37504c50e6f318e8fee6e3f82a8150a888a4cdc8

https://t.me/nexus_search/226

Nexus 发布libstc3版本的AI数据集，包含

– 600,000 多种小说和非小说类图书全文
– 8,000,000 多份学术出版物、杂志和手册全文
– 5,000,000 多项美国专利
– 164,000,000 条元数据记录

Libgen

http://libgen.rs/repository_torrent/

Anna’s Archive

https://annas-archive.org/torrents