["AI2 最近发布了一个名为 Dolma 的开源数据集，包含了 3 万亿个 token。","Dolma 的数据将为 AI2 正在开发中的开放语言模型 OLMo 提供基础，计划于 2024 年初发布。","Dolma 的数据集来自网络内容、学术出版物、代码和书籍等广泛来源，是目前公开可用的同类数据集中最大的一个。"]

["艾伦人工智能研究所发布开放式文本数据集 Dolma，旨在促进 AI 语言模型的透明度和创新。","Dolma 作为 AI2 开放式语言模型计划的核心，为研究人员和开发者提供免费的数据资源。","Dolma 数据集具有 30 亿标记的规模，采用了中风险成果的 ImpACT 许可证，并鼓励用户提供联系信息和使用情况。"]