UltraChat openbmb
Dataset Card for Dataset Name Dataset Description An open-source, large-scale, and multi-round dialogue data powered by Turbo APIs. In consideration of factors such as safeguarding privacy, we do not directly use any data available on the Internet as prompts. To ensure generation quality, two separate ChatGPT Turbo APIs are adopted in generation, where one plays the role of the user to generate queries and the other generates the response. We instruct the user model with… See the full description on the dataset page: https://huggingface.co/datasets/openbmb/UltraChat.
- 类型
- dataset
- 许可
- mit
- 语言
- en
- 下载量
- 4,671
- 点赞
- 500
- 访问
- public
- 文件
- 0
标签
- 对话数据
- 指令微调
- 合成数据
- 文本生成
- 大语言模型
- 预训练语料
摘要
UltraChat 是一个由 Turbo API 驱动生成的开源大规模多轮对话数据集，采用双模型扮演用户与助手角色迭代生成高质量对话，避免直接使用网络数据以保证隐私与质量。数据集覆盖世界知识问答、写作创作、既有材料辅助三大领域，旨在为对话大语言模型的指令微调提供高质量训练语料。
README
--- license: mit task_categories: - conversational - text-generation language: - en size_categories: - 1M<n<10M pretty_name: UltraChat --- # Dataset Card for Dataset Name ## 数据集描述 一个由 Turbo API 驱动的开源、大规模、多轮对话数据集。出于保护隐私等方面的考虑，**我们不会直接使用互联网上现成的任何数据作为提示词（prompts）**。 为确保生成质量，生成过程中使用了两个独立的 ChatGPT Turbo…