Datasets:

AdaMLLab
/

ItaMix

text stringlengths 101 573k	id stringlengths 12 12	source stringclasses 23 values
E anche oggi abbiamo mangiato. Cioè, anche quest'anno ci siamo presi alcuni giorni per staccare la spina; per la precisione, 4 giorni. Ci siamo regalati una pausa, quasi a fine estate, perché ne avevamo bisogno, oltre che lo desideravamo. La grande tra mare, campo estivo, amichetti, nonni che l'hanno scarrozzata in spi...	fbe0ded5e63a	c4,hplt2
Programma congressuale - In aggiornamento da 15:45 a 18:00 La sfida alle città della governance collaborativa [ co.09 ] Sala: Sala 2Iscriviti a questo evento Il momento conclusivo di Icity Lab2018 è dedicato a fare sintesi delle due dimensioni, riferite alle dimensione urbana, che crediamo imprescindibilmente legate: l...	4f2e5d9e1c12	fineweb2,hplt2
Retelit HUB – “Digital era, digital thinking: il futuro della trasformazione digitale è adesso” è l’evento organizzato da Inrete nello spazio Le Cavallerizze del Museo Nazionale della Scienza e della Tecnologia di Milano per RETELIT, uno dei principali operatori italiani di servizi dati e infrastrutture nel mercato del...	02bc46254789	fineweb2,hplt2
Magazine Fumetti Recensione: Il cavaliere oscuro - Il ritornoDa Gullinbursti Batman è uno di quei personaggi che piace anche ai non amanti del fumetto... sarà che è il più umano tra tutti senza strani poteri, sarà che nei film è stato sempre interpretato da grandi attori che piacciono alle fanciulle. Fattostà che ieri ...	fa7831345323	c4,hplt2
L’auto è sempre più un lusso. Le tariffe per l’assicurazione (obbligatoria) del proprio mezzo di trasporto sono via via più care e fuori controllo. In casi limite, per i neopatentati, le offerte possono arrivare a superare anche i 9.000 euro, come registrato a Salerno (9.307 euro). Pur tralasciando i casi estremi, rest...	892c3f655d36	c4,hplt2
Dialogo aperto è un sistema di trattamento sviluppato in Finlandia e utilizzato da molti anni nell’ambito degli interventi sugli esordi sintomatologici (prime crisi psichiatriche) di adolescenti e adulti, attraverso incontri domiciliari che coinvolgono la famiglia e la rete sociale del paziente, condotti da un’équipe m...	3f5bedb1faa9	fineweb2,hplt2
Gregg Allman – Southern Blood (Rounder, 2017) Quando pubblicò Once I Was, inserendola in apertura del lato B di Goodbye And Hello, Tim Buckley aveva appena vent’anni. In quella canzone, rivolgendosi ad un passato chiuso per sempre, di soldato, cacciatore e amante, Buckley sembrava guardare al futuro con tutta la fragil...	9272c189127b	c4,hplt2
Protezione base per Windows PC Premium VPN: Lo sconto è applicabile solo per il primo pagamento. Protezione completa per Windows, macOS, iOS e Android Premium VPN: Lo sconto è applicabile solo per il primo pagamento. Protezione avanzata per Windows PC Premium VPN: Lo sconto è applicabile solo per il primo pagamento. Un...	2bf193b5e1c4	fineweb2,hplt2
La provola di Agerola affumicata, prodotta dal caseificio Ruocco, è un latticino fresco prodotto tutto l’anno. Viene venduta nel formato 400gr circa. In fase di spedizione il prodotto viene inserito in una speciale busta, la quale viene a sua volta confezionata con un polistirolo che garantisce freschezza e integrità d...	14cc92fe6b5c	fineweb2,hplt2
Non c’è storia nella lotta tra la Rai e Mediaset negli ascolti della domenica. ancora una volta, Barbara D’Urso ha battuto senza alcun problema la concorrenza di Cristina e Benedetta Parodi, protagoniste di un tracollo senza fine. La loro Domenica In sta collezionando record negativi. Domenica dopo domenica gli ascolti...	8c3db7c91bdb	c4,hplt2
Rivestimenti in Sughero, per un perfetto isolamento termico Una corretta coibentazione del tetto, come dei soffitti, dei muri o delle pareti, garantisce l’isolamento termico dell’abitazione, con conseguente riduzione della dispersione di calore e della spesa per riscaldare o raffreddare gli ambienti interni. Il cappott...	cbd7a75b3757	c4,fineweb2,hplt2
0958 997230 info@spedireadesso.com Dichiarazione d’Indipendenza, Parlamento catalano, Articolo 155, Rajoy, Puigdemont, referendum, rivolte, Catalogna, Spagna sono tutte voci che nell’ultimo periodo hanno letteralmente invaso tv, radio, giornali e ogni altro mezzo di comunicazione di massa, in modo da renderci inevitabi...	7bf2820b9195	fineweb2,hplt2
Freccia del Brabante 2018: quote, percorso, diretta tv e albo d'oro Si chiama Brabantse Pijl ma da noi in Italia la conosciamo con il nome di Freccia del Brabante. Si tratta dell'ultima gara da un giorno in terra fiamminga prima del "trasferimento" delle gare in terra di Vallonia. Si tratta di una gara del livello più ...	f528c1e63050	c4,hplt2
Vegane 7 fori Boots Stivali 37 38 39 40 41 42 43 44 45 46 Rosso OXBLOOD Cherry Red,Jack & Jones Uomo in pelle Stivali Stivali Invernali Stivali Invernali Stivali 42 43 45 46,Da Uomo Nero Oxford Scarpa di sicurezza varie dimensioni s209Brandit Uomo Gladstone leatherboot 9015 Pelle Vintage Stivali Caldi EscursionismoNUOV...	2e223389d5c4	c4,hplt2
Agenda 21 - Attività e Progetti AGENDA 21 LOCALE CITTA' DI NOTO - ATTIVITA' E PROGETTI L’attività di Agenda 21 di Noto si è caratterizzata inizialmente in una sommaria analisi delle strategie da mettere in campo per migliorare le condizioni territoriali al fine di delineare un percorso di sostenibilità chiaro, ambizios...	534e7d630d46	fineweb2,hplt2
Il progetto:Improv Italia, improvvisazione teatrale, graphic design, Facebook Adv Improv Italia è il primo gruppo in Italia di performance e training orientato all’Improv Comedy. Nessun testo, nessun copione. Tutto nasce da un suggerimento del pubblico: gli improvvisatori lavorano assieme sul palco per costruire person...	76f474243399	c4,fineweb2,hplt2
Non ce l'ha fatta l'anziano di Rota Greca In evidenza - Scritto da Roberto Galasso - Comments::DISQUS_COMMENTS - dimensione font riduci dimensione font aumenta la dimensione del font - Pubblicato in Provincia Cronaca - Letto 3000 volte - Stampa ROTA GRECA - Non ce l’ha fatta l’anziano di Rota Greca ritrovato in fondo a...	d03b87b3ba73	fineweb2,hplt2
le regole del gioco… dall’ultima sessione del tribunale otto marzo sulla quotidiana difficoltà del rapporto delle donne con la giustizia: un documento programmatico sui centri di consulenza legale In un mondo in cui ogni giorno assistiamo a tante iniquità siamo portati a sentire la “giustizia” lontana da noi, fuori dal...	e95e03bccb7f	c4,fineweb2,hplt2
In seguito alla segnalazione del Ministero della Salute di diversi casi umani confermati di infezione autoctona da Chikungunya, in soggetti che hanno soggiornato nel comune di Anzio (provincia di Roma), sono state attivate le necessarie misure di prevenzione della trasmissione trasfusionale della predetta infezione med...	9819e9f3321c	fineweb2,hplt2
Scambiarsi messaggi di testo è un ottimo modo per flirtare con i ragazzi. fare l' amore con amici appena sopra e. a chi non piace fare l'amore in fretta e senza Sognare di fare sesso con un amico chat per ragazzi Chat e Incontri % Gratis Film erotici anni ottanta ragazze da conoscere gratis; Sognare di fare sesso con. ...	ff3e97b73fe3	c4,hplt2
Dragaggi senza autorizzazione: sotto sequestro il bacino portuale di Paola TreppoMONFALCONE e PORDENONE - Al termine di una articolata attività di indagine delegata dalla Procura e finalizzata alla verifica dei lavori di dragaggio svolti nell’area portuale di Monfalcone, i carabinieri del Nucleo operativo ecologico di ...	67712218951c	c4,fineweb2,hplt2
Sei in: Birra \| Birra News L`olandese Heineken ha annunciato oggi di aver siglato un accordo con Kirin Holdings per acquistare Brasil Kirin Holding per 664 milioni di euro, diventando il secondo maggior gruppo della birra in Brasile. Il Paese carioca è attualmente il quinto maggior mercato nel mondo con oltre 200 milio...	4f164aef53fb	fineweb2,hplt2
Nel paradigma energetico post petrolifero (in cui ci stiamo già addentrando), ogni flusso di energia deve essere valutato e possibilmente sfruttato. E’ una legge basilare in natura, dove nulla si crea o si distrugge, ma si trasforma. Così succede che anche l’acqua normalmente utilizzata per le risaie, anziché defluire ...	77cbed94b855	fineweb2,hplt2
Il tema centrale del congresso era: la sfida rappresentata dall'invecchiamento delle società. Sembra che la parola "sfida" sia un eufemismo per definire (ottimisticamente) la situazione quando qualcosa ci sfugge di mano; l'ho sentita usare spesso anche in relazione alle questioni energetiche. Il fatto è che se c'è una ...	aacbe526bf28	fineweb2,hplt2
sabato 23 giugno 2018 INTERPELLANZA DEL M5S SUL NUOVO PARCOMETRO DI VIA MAZZINI Il posizionamento del nuovo parcometro, a nostro avviso e come fatto notare da diversi cittadini, sarebbe scorretto, in quanto, essendo rivolto verso le aree di sosta, la presenza di autovetture parcheggiate lo renderebbe non sempre agevolm...	f377dae94982	fineweb2,hplt2
Azienda: Castello di Ama Annata: 1990 Vitigni/Uvaggio: Sangiovese, Malvasia nera Sistema di allevamento: Il terreno ha una composizione prevalentemente argillosa con una forte presenza di scheletro. Forma di allevamento predominante a spalliera con potatura a Guyot semplice. Vinificazione: La vendemmia è avvenuta alla ...	d3f9f52304a6	fineweb2,hplt2
Si tratta de L'Albone: lambrusco di Modena (salamino Per onestà intellettuale aggiungo che la bottiglia mi è stata regalata, insieme ad un'altra di Falistrà, da Gian Paolo Isabella. Gian Paolo, oltre che essere il produttore dell'Albone, è anche uno dei tre/quattro che ogni tanto finiscono su queste pagine e si prendon...	a4c3ca86cc88	fineweb2,hplt2
Meno buyer (-13%) ma di qualità: la consolazione di Mipelsettembre 5 \| Pubblicato da Luigi Sorreca \| Eventi, News Segno meno per la 106esima edizione di Mipel, la fiera delle borse e della pelletteria che ha chiuso i battenti ieri a Rho. I visitatori diminuiscono complessivamente del 13%. Come previsto, è il calo dei c...	567d0fde69a1	c4,hplt2
Tecnica mista su tela Dittico tela 100x70cm + tela 70x70cm con cornice applicata Anno: 2011 L'Aurora di Michelangelo è vista come una personificazione femminile, semidistesa e nuda, come le altre statue della serie. Essa ebbe come modello, forse, le divinità montane e fluviali sull'Arco di Settimio Severo a Roma. Ha il...	d1930e328d2c	c4,hplt2
שלח הודעה דרך MSN אל אתר האינטרנט שלך. קוסטו קופר (medo è viziato per la scelta sui ogni articolo conliaia). איל Direttore di Successo Cliente di שירותים דיגיטליים, פרנק Abagnale, spiega dove il קונה מקוון inizia המודעה. יונה iniziare Nel 2016, Uno אולפן סולו קונסולו באינטרנט קונדטו דה פאוור ביקורות חוות דעת על הצרכנים...	c91a31be88a0	fineweb2,hplt2
L'ossessione di Erica La mora Alyssia Kent sul tavolo Una troia rossa grassa in un massaggio Bionda con le tette grandi lo fa hardcore Massaggio sensuale e passionale Due ragazze arabe si divertono L'allenamento delle lesbiche Massaggio oleoso fantastico Cercasi modelli per massaggi Molti gioiosi finali Qualcosa ha por...	ab5d014e6b21	fineweb2,hplt2
In mezzo a campi e orti tenuti così bene che sembrano il paradiso terrestre, oggi percorriamo la route 184, poi la 997 per Homestead e poi la 9336 per Flamingo, il punto più a sud della Florida, alla fine delle Everglades, di fronte al Golfo del Messico. Giornata immersa nella natura, fra paludi, alligatori e un’infini...	e5fae0030b0e	fineweb2,hplt2
L’Associazione Cinofila Santerno, fin dai suoi albori, ha promosso le proprie attività anche attraverso esibizioni in spazi urbani, spazi verdi pubblici o campi sportivi, in occasione di sagre, feste cittadine o eventi sportivi. Inizialmente l’attività richiesta era unicamente l’Agility Dog, poi a questa si è aggiunta ...	13067a7e7093	fineweb2,hplt2
Omicidio Anastasi: savalli non risponde Si avvale della facoltà di non rispondere Salvatore Savalli, accusato di aver ucciso la moglie Maria Anastasi il 4 luglio del 2012, durante l'udienza di oggi. La stessa decisione ha preso l'altra imputata, Giovanna Purpura, amante di Savalli, accusata di concorso in omicidio. I P...	ccef1b0cdf5a	fineweb2,hplt2
Rispondi a: Formazione di un Gruppo di Ricercatori Home › Forum › SALUTE › Formazione di un Gruppo di Ricercatori › Rispondi a: Formazione di un Gruppo di Ricercatori [quote1351808426=Richard] Ciao viandante benvenuto sono contento per il tuo intervento Facevo delle ricerche e vi segnalo http://www.ncbi.nlm.nih.gov/m/p...	8d476bb7dc21	fineweb2,hplt2
Infortunio sul lavoro di un operaio in un’impresa edile a Savona in via dei Richelma verso le 15 di oggi. Ancora non chiare le dinamiche dell’incidente anche se dalle prime ricostruzioni l’uomo risulta essere caduto da una scala. Sul posto intervenuta la Croce Rossa di Savona, l’automedica del 118 e i Vigili del Fuoco....	c14c1ef6bdd3	c4,fineweb2,hplt2
Novità Desalto dal Salone del Mobile di Milano Desalto, che ha partecipato al Salone del Mobile di Milano presentando diverse novità della sua collezione, lo ha fatto portando la descrizione di un percorso sempre meglio definito. La prima novità che ha presentato il marchio è innanzitutto un cambio di gestione, che si ...	f0cc53ed3581	c4,fineweb2,hplt2
Ritorna al Parco del Sorriso la Mostra “Una Mela al giorno….”. I principali appuntamenti: •Mostra pomologica di mele di varietà locali, classiche e novità •Incontri di frutticultura a cura del Dott. Alberto Sassella e del Dott. Fabrizio Ballerio e degustazione delle eccellenze varesine •Pranzo a base di mele e nel pome...	b9cafeca4ebe	fineweb2,hplt2
Denuncia inizio attività Con questa procedura si verifica la rispondenza del progetto presentato, con le norme urbanistiche ed igienico-sanitarie. Se entro 30 giorni dalla presentazione della domanda non si riceve comunicazione da parte dell'ufficio la richiesta si intende valida. La denuncia di inizio lavori è obbliga...	2c3ba3b1a7c0	fineweb2,hplt2
Il Sindaco Federico Ignesti risponde alla CNA con 20 milioni di investimenti. Le dichiarazioni del Presidente dell’Area Mugello di CNA Massimo Capecchi sul “fisco vorace” hanno suscitato stupore al Comune di Scarperia e San Piero. Dalla fusione dei due ex Comuni di Scarperia e San Piero a Sieve che risale al 2014, la p...	a9e63f4f6bf7	c4,hplt2
Pechino sta realizzando una rete stradale unificata in Africa che collegherà Etiopia, Eritrea, Gibuti, Uganda, Kenya e Tanzania La prima base navale cinese all’estero ha fatto la sua comparsa a Gibuti nel 2017. Proprio lì è collocata anche la più grande base militare negli Stati Uniti in Africa, Camp Lemonnier, con 5.0...	350d53c7b5eb	fineweb2,hplt2
Il settore dei droni è innovativo, stimolante e fruttuoso. E’ bene però che gli aspiranti piloti entrino in questo mondo facendo i giusti passi rivolgendosi a chi ha esperienza e competenza in questo campo. Dronihub,grazie alla collaborazione con le principali scuole autorizzate ENAC sul territorio Campano,vuole dare u...	1fd7eca6cfde	c4,fineweb2,hplt2
La libertà ha bisogno di essere difesa e ha bisogno di testimoni. Sono questi che, spinti dal coraggio di essere uomini veri, sanno offrirsi un po’ per non chinare il capo di fronte a niente e a nessuno e un po’ per quell’insopprimibile senso di “essere” segno che da senso all’esistenza. A nessun uomo vero si può chied...	9a7219c24383	fineweb2,hplt2
Le “tute gialle” di Ecologia Oggi stanno attraversando la città a piedi, in corteo, dal cantiere di via Popilia alla Prefettura per chiedere lumi al rappresentante del governo in città sull’atteggiamento del patron Eugenio Guarascio. L’imprenditore lametino si accorge solo adesso, naturalmente a pochi giorni dal Natale...	c5de90cd111e	fineweb2,hplt2
Cinema, Televisione e Media Il Castigatore/ Verrà svelata la sua identità prima della fine del programma? (Grande Fratello Vip 2017)Il Castigatore, il personaggio misterioso del Grande Fratello Vip 2 è pronto per tornare nella casa e terrorizzare Cristiano Malgioglio, la sua vittima preferita. 13 novembre 2017 - agg. 1...	5f2d2ce4f132	c4,hplt2
davvero un fiction piacevole…. peccato che ieri – forse per una leggerezza degli sceneggiatori – si è capito chi è il killer…naturalmente non svelerò altro, per non togliere appunto il piacere di scoprirlo… dirò solo che chi non è – ahimè come me – non più giovane, non può non averlo capito… mi piacerebbe leggere qualc...	608de1e5cccc	fineweb2,hplt2
Kat Von D Star Studded Eyeshadow Book, swatches e recensione (FOTO) Ci sono tanti marchi americani che piacciono tanto alle ragazze europee ma che, se comprati dal paese di origine, costano veramente tanto, tra spedizione e eventuale dogana da pagare. Nulla, però, è irrisolvibile: se amate i brand oltreoceano e non pot...	6c83ba4c2ff6	fineweb2,hplt2
Un'iniziativa promossa dalla Mixmedia - Eventi e Comunicazione in collaborazione con il Maurizio Costanzo Show. Al via il primo premio alla pubblicita' sociale. E' aperto il bando per partecipare al premio Pubblicità perBene, il primo interamente dedicato alla pubblicità sociale. Il premio è un riconoscimento a campagn...	088c8bab6507	c4,hplt2
La recente “Giornata mondiale di preghiera per la pace “ tenutasi ad Assisi, col titolo “Sete di pace. Religioni e culture in dialogo”, si è conclusa con un “appello alla pace” che- nonostante le indubbie buone intenzioni dei promotori dell’evento, sembra un’occasione perduta. Ciò che è mancato, anche dietro le distinz...	e5ff1d3474b5	fineweb2,hplt2
news & videoWallpaper Agosto 2017 Luglio 2017 RecensioneDall'industria del marmo all'industria delle idee NewsWe wish you marblelous holydays See you in #Pibamarmi2018 NewsMarmo Quotidiano Un concorso di design promosso da Pibamarmi Pibamarmi_Marmomacc 2018 Pibamarmi annuncia la sua presenza alla prossima edizione dell...	80ba42c0da2f	fineweb2,hplt2
BUONA DOMENICA AMICI MIEI E AUGURI A TUTTI I PAPÀ! Oggi è una domenica un po’ più speciale delle altre perchè si ricorda l’importanza e il ruolo dei papà. Padre lo sono anch’io e quando guardo i miei figli la domanda che sempre più attraversa la mia mente è: “avrò fatto bene? I miei insegnamenti serviranno ai mia figli...	8da1aafcfe4c	fineweb2,hplt2
Molto spesso il terreno dei giardini presenta dei dislivelli ed è per questo che in molti casi si decide di creare dei muri di contenimento che hanno lo scopo di contenere la terra, prevenirne l’erosione e contribuire all’abbellimento del paesaggio naturale del giardino. In altri casi i muri vengono eretti per delimita...	7155a867a5f8	fineweb2,hplt2
In settimana Mister Livellara, la Società e la squadra hanno avuto un confronto aspro, chiarificatore ed evidentemente costruttivo, oggi sul neutro del San Rocco i nostri ragazzi avevano “gli occhi della tigre” e a farne le spese, sentite un po’, addirittura la capolista Chieri, scesa in Liguria per fare dei bianconeri...	71a46a65fc95	c4,hplt2
Country House al Trasimeno . I Girasoli Descrizione del progetto web Nuovo sito web per la country house I Girasoli, camere e appartamenti vacanza al Lago Trasimeno (Perugia). Tema grafico caratteristico in stile country e in homepage sequenza foto automatica e corpo pagina in stile old paper. In prima pagina, inoltre,...	d502fc595c15	c4,hplt2
I film di settembre al cinema, tra sequel, grandi autori e Muccino Film di Settembre al Cinema, al ritorno dalle vacanze nelle sale ci attende un po' di poltiglia da sequel/remake (Jason Bourne, Indipendence Day, Fuck You Prof 2, Blair Witch, Bridget Jones) ma, fortunatamente, anche le nuove pellicole di Jean-Marc Vall...	328fd2730675	fineweb2,hplt2
Tra le prime 10 sciabolatrici al mondo: questa è l’impresa compiuta da Chiara Crovari. Ai Campionati del Mondo femminile la forte sportiva ha centrato il nono posto ottenendo così la qualificazione alle prossime Olimpiadi giovanili che si terranno in Cina. Crovari ha lavorato duramente, con costanza e determinazione e ...	86268b2c590d	c4,fineweb2,hplt2
Sono le veliste di Team SCA, guidate dalla skipper britannica Sam Davies, a guidare la flotta dopo la prima notte dell’ottava tappa della Volvo Ocean Race, partita ieri da Lisbona alla volta di Lorient. L’equipaggio della barca magenta, il primo tutto femminile da 12 anni a partecipare al giro del mondo, ha saputo appr...	5f5fb584b096	c4,fineweb2,hplt2
Si è svolta a Palazzo Campanella, sede del Consiglio regionale della Calabria, l’audizione fissata dal Garante per l’Infanzia e l’Adolescenza, Antonio Marziale, sulla complessa vicenda scolastica del Liceo “Galilei” di Trebisacce. Presenti il sindaco della città, Franco Mundo, due amministratori comunali, venti genitor...	b086575bd5ba	c4,fineweb2,hplt2

End of preview. Expand in Data Studio

ItaMix (https://arxiv.org/abs/2512.18834) is an Italian pretraining corpus built by combining five publicly available Italian datasets, applying Italian-specific quality filtering, and performing cross-dataset deduplication.

Subsets

Subset	Description
`quality_filtered`	Quality-filtered data before deduplication
`minhash_deduped`	Document-level MinHash deduplication
`matched`	Documents appearing in 2+ source datasets

The matched subset uses cross-dataset agreement as a signal for quality.

Usage

from datasets import load_dataset

ds = load_dataset("AdaMLLab/ItaMix", "minhash_deduped")
ds = load_dataset("AdaMLLab/ItaMix", "quality_filtered")
ds = load_dataset("AdaMLLab/ItaMix", "matched")

Sources

FineWeb-2 (HuggingFaceFW/fineweb-2, ita_Latn)
HPLT 2.0 (HPLT/HPLT2.0_cleaned, ita_Latn)
CulturaX (uonlp/CulturaX, it)
C4 (allenai/c4, it)
FinePDFs (HuggingFaceFW/finepdfs, ita_Latn)

Pipeline

Quality filtering with Italian-specific thresholds (Latin script ratio, repetition patterns, line quality)
Document-level MinHash deduplication (5-gram shingles, 14 bands, 8 hashes per band, similarity threshold 0.8)
Cross-source matching to identify documents appearing in 2+ independent sources

Citation

@misc{alrashed2025mixminmatch,
      title={Mix, MinHash, and Match: Cross-Source Agreement for Multilingual Pretraining Datasets},
      author={Sultan Alrashed and Francesco Orabona},
      year={2025},
      eprint={2512.18834v2},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2512.18834v2},
}

License

See individual source dataset licenses.

Downloads last month: 25

Paper for AdaMLLab/ItaMix

Mix, MinHash, and Match: Cross-Source Agreement for Multilingual Pretraining Datasets

Paper • 2512.18834 • Published Dec 21, 2025 • 4