WildChat-1M allenai
Dataset Card for WildChat Dataset Description Paper: https://arxiv.org/abs/2405.01470 Interactive Search Tool: https://wildvisualizer.com (paper) License: ODC-BY Language(s) (NLP): multi-lingual Point of Contact: Yuntian Deng Dataset Summary WildChat is a collection of 1 million conversations between human users and ChatGPT, alongside demographic data, including state, country, hashed IP addresses, and request headers. We collected WildChat by… See the full description on the dataset page: https://huggingface.co/datasets/allenai/WildChat-1M.
- 类型
- dataset
- 许可
- odc-by
- 下载量
- 19,859
- 点赞
- 454
- 访问
- public
- 文件
- 0
标签
- 对话数据
- 指令微调
- 多语言语料
- 大语言模型
- 文本生成
- NLP
- 多语言
- 数据处理
摘要
WildChat-1M 是 Allen AI 发布的大规模真实对话数据集，包含约100万条人类用户与 ChatGPT（GPT-3.5和GPT-4）之间的多语言对话，并附带地区、国家、哈希IP等人口统计信息。该数据集涵盖歧义请求、代码切换、话题转换等多种真实交互场景，既可用于大模型的指令微调，也可用于研究用户行为模式。数据已通过 OpenAI 审核 API 和 Detoxify 过滤毒性内容，并做了个人隐私信息脱敏处理。
README
--- license: odc-by size_categories: - 1M<n<10M task_categories: - text-generation - question-answering - text2text-generation pretty_name: WildChat-1M dataset_info: features: - name: conversation_hash dtype: string - name: model dtype: string - name: timestamp dtype: timestamp[us, tz=UTC] - name: …