finalize HPLT 4.0 public release
@oepen đang làm issue này rồi.
Từ ngày 6/8/2026.
Đánh giá
Issue này chưa được đánh giá.
Mô tả
at long last, all of the pieces are on the table: (a) petabytes of raw files from the HPLT pipeline, (b) 450 or so terabytes of the pool, and 44 + 12 + 15 terabytes of final clean, noisy, and poor data after filtering. of these, (a) resides on LUMI-O (with an interim manifesto in /nird/datalake/NS8112K/public/four/pool/lumio.jsonl), while everything else is already pushed to the NIRD download site.
what remains to be done are analytics reports, organizing checksums and download maps, deciding on how to make the pool and raw data useable, and working with @lukasweymann, @gramirez-prompsit, @akutuzov, and the rest of the HPLT team on writing and polishing the download web page(s).
- Ngôn ngữ chính
- Shell
- Star
- 1
- Fork
- 0
- Chỉ số merge pull request
- Không có pull request nào được merge trong 30 ngày
Chuẩn bị môi trường
Dự án này không cung cấp dev container, Dockerfile hay hướng dẫn đóng góp, nên bạn cần tự thiết lập môi trường: hãy bắt đầu từ README và xem hướng dẫn đóng góp lần đầu của chúng tôi để biết các bước chung.
Bắt đầu từ đâu
- Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
- Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
- Fork repository và làm thay đổi trên một nhánh.
- Mở pull request có tham chiếu số hiệu của issue.
Issue khác của OpenEuroLLM/web-data-processing
-
audio and video extraction from WARCsCó thể đã có người làm @nvanva đã nhận 5 ngày trước. Đang mở
OpenEuroLLM/web-data-processing#8 · 1 bình luận · 3 người được giao ·
-
robots.txtCó thể đã có người làm @nvanva đã nhận 5 ngày trước. Đang mở
OpenEuroLLM/web-data-processing#7 · 1 người được giao ·
-
S2-S4 updatesCó thể đã có người làm @nvanva đã nhận 5 ngày trước. Đang mở
OpenEuroLLM/web-data-processing#6 · 3 bình luận · 2 người được giao ·
-
S2-S4 integrationCó thể đã có người làm @nvanva đã nhận 5 ngày trước. Đang mở
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 20/100
OpenEuroLLM/web-data-processing#5 · 1 người được giao ·
-
LUMIO manifest generationCó thể đã có người làm @nvanva đã nhận 11 ngày trước. Đang mở
OpenEuroLLM/web-data-processing#4 · 1 bình luận · 1 người được giao ·
Tất cả issue của OpenEuroLLM/web-data-processing
Issue tương tự
-
Gemini: respect PLANNING_DISABLED=1 in lifecycle context hooksCó thể đã có người làm @AmariAugustin đã nhận hôm nay. Đang mởbug good first issue help wanted
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 87/100
OthmanAdi/planning-with-files#329 · 1 bình luận ·
Maintainer thường phản hồi trong vòng 1 ngày
-
Agents panel: Codex token stats always empty because Codex now writes `*.jsonl.zst` sessionsĐang mở
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 84/100
Maintainer thường phản hồi trong vòng 2 ngày
-
headers-parser: `forRegExp` does not escape regexp characters in path segments that contain `*`Có thể đã có người làm @RaphaelFakhri đã nhận hôm nay. Đang mở
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 85/100
Maintainer thường phản hồi trong vòng 1 ngày
-
needs-triage
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 82/100
mattpocock/skills#1307 ·
Maintainer thường phản hồi trong vòng 1 ngày
-
status: ready
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 73/100
melodic-software/claude-code-plugins#8537 ·
Maintainer thường phản hồi trong vòng 1 ngày