关于word_repetition_filter算子的使用

[00jdLiu]

Before Asking 在提问之前

• I have read the README carefully. 我已经仔细阅读了 README 上的操作指引。

• I have pulled the latest code of main branch to run again and the problem still existed. 我已经拉取了主分支上最新的代码，重新运行之后，问题仍不能解决。

Search before asking 先搜索，再提问

• I have searched the Data-Juicer issues and found no similar questions. 我已经在 issue列表 中搜索但是没有发现类似的问题。

Question

在执行dj-process --config configs/data_juicer_recipes/redpajama-c4-refine.yaml时，其中的word_repetition_filter算子会移除/root/.cache/data_juicer/models已经下载好的lid.176.bin文件，且尝试重新下载。

redpajama-c4-refine.txt

Additional 额外信息

No response