finalize HPLT 4.0 public release
@oepen 已经在做这个了。
开始于 2026年8月6日。
评估
这个 Issue 还没有评估数据。
描述
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).
- 主要语言
- Shell
- 星标
- 1
- 派生
- 0
- PR 合并指标
- 30 天内没有已合并 PR
环境准备
这个项目没有提供开发容器、Dockerfile 或贡献指南，环境需要你自己搭建：先看它的 README，通用步骤见我们的新手贡献指南。
从这里开始
- 先读完整个 Issue，再读项目的贡献指南。
- 在 Issue 下留言说明你要接手 —— 这能避免两个人做同样的事。
- Fork 仓库，在一个分支上完成修改。
- 提交 Pull Request，并在描述里引用这个 Issue 编号。
OpenEuroLLM/web-data-processing 的其他 Issue
-
audio and video extraction from WARCs可能已有人在做 @nvanva 于 6 天前认领。 未关闭
OpenEuroLLM/web-data-processing#8 · 1 条评论 · 已指派 3 人 ·
-
robots.txt可能已有人在做 @nvanva 于 6 天前认领。 未关闭
OpenEuroLLM/web-data-processing#7 · 已指派 1 人 ·
-
S2-S4 updates可能已有人在做 @nvanva 于 6 天前认领。 未关闭
OpenEuroLLM/web-data-processing#6 · 3 条评论 · 已指派 2 人 ·
-
S2-S4 integration可能已有人在做 @nvanva 于 6 天前认领。 未关闭
难度 5/5 一周以上 新手友好度 20/100
OpenEuroLLM/web-data-processing#5 · 已指派 1 人 ·
-
LUMIO manifest generation可能已有人在做 @nvanva 于 12 天前认领。 未关闭
OpenEuroLLM/web-data-processing#4 · 1 条评论 · 已指派 1 人 ·
查看 OpenEuroLLM/web-data-processing 的全部 Issue
相似的 Issue
-
product-to-storybook is skipped silently by npx skills add because its frontmatter is invalid YAML未关闭
难度 1/5 1 小时以内 新手友好度 83/100
-
难度 2/5 1-3 小时 新手友好度 83/100
维护者通常 1 天内回复
-
bug github_actions security
难度 2/5 1-3 小时 新手友好度 76/100
DewaldOosthuizen/tech-cheat-sheets-and-notes#388 ·
维护者通常 1 天内回复
-
automated issue report
难度 1/5 1 小时以内 新手友好度 72/100
a2aproject/A2A#2376 ·
维护者通常 3 天内回复
-
priority: low
难度 2/5 1-3 小时 新手友好度 76/100
melodic-software/claude-code-plugins#8831 · 1 条评论 ·
维护者通常 1 天内回复