Датасет · allenai
Миллион диалогов людей с ChatGPT
allenai/WildChat-1M
Реальные многоязычные беседы пользователей с ChatGPT с демографией и метаданными запросов.
Что внутри
Датасет содержит 1 млн диалогов между людьми и ChatGPT на разных языках. В карточке также указаны демографические данные: штат, страна, хешированные IP-адреса и заголовки запросов. Лицензия — ODC-BY.
Что можно сделать
- Дообучение чат-моделей на реальных диалогах (SFT)
- Анализ поведения пользователей и мультиязычных запросов
- Оценка качества ответов ассистента
- Задачи
- Генерация текста, Вопрос-ответ
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 38,3 тыс.
- Лайков
- 482
Модели, обученные на нём
- BSC-LT/salamandra-7b-instruct-2606Генерация текста 9 тыс.
- Mungert/UserLM-8b-GGUFГенерация текста 2,5 тыс.
- microsoft/UserLM-8bГенерация текста 2,4 тыс.
- BSC-LT/ALIA-40b-instruct-2606Генерация текста 1,6 тыс.
- allenai/dolma3-fasttext-quality-classifier 1,3 тыс.
- mradermacher/ALIA-40b-instruct-2601-i1-GGUF 1,3 тыс.
- mradermacher/salamandra-7b-instruct-2606-i1-GGUF 1,3 тыс.
- mradermacher/Buddy-E4B-v2-GGUF 1,2 тыс.
Как загрузить
from datasets import load_dataset
ds = load_dataset("allenai/WildChat-1M")