glove 通用爬虫的源语料 42B 和 840B

您好,我知道 Common Crawls (CC) 是 开源,原始语料库可以在网上获取。我需要的是用于生成预训练的 42B 和 840B 词向量的源语料库。或者至少有人能告诉我使用的 CC 数据的日期,我可以直接从 CC 获取它们吗?任何帮助都很感谢。