Public
- Public
- Groups
- Popular
- People

Captura del artículo de Washington Post que permite buscar dominios en el dataset C4 de Google con la búsqueda mastodon.uy. La web aparece en el ranking 10.096.467 con 420 tokens, un 0.0000003% del tamaño total del dataset.

Download link

Captura del artículo de Washington Post que permite buscar dominios en el dataset C4 de Google con la búsqueda mastodon.uy. La web aparece en el ranking 10.096.467 con 420 tokens, un 0.0000003% del tamaño total del dataset.
https://mastodon.uy/system/media_attachments/files/110/228/254/877/737/423/original/67882708e009c052.jpg

Notices where this attachment appears

Julio J. (j3j5@mastodon.uy)'s status on Thursday, 20-Apr-2023 00:28:15 UTC Julio J.

La mala noticia es que Google scrapeó mastodon.uy para uno de sus datasets para entrenar un LLM.
La buena noticia es que sacó exactamente 420 tokens (poquísimos dado el tamaño) dando pie a probables bromas de marihuana, hasta me planteo si no lo dejaron a propósito en 420 😅
https://www.washingtonpost.com/technology/interactive/2023/ai-chatbot-learning/

In conversation Thursday, 20-Apr-2023 00:28:15 UTC from mastodon.uy permalink