// описание
Настоящая легенда в мире NLP — гигантский, очищенный корпус текстов, собранный из открытого интернета. На этом датасете обучались такие гиганты, как T5, поэтому он считается золотым стандартом для претрейна языковых моделей с широким кругозором. Если вам нужна база, очищенная от спама и мусора, C4 — ваш выбор номер один.