К содержимому

Датасет · allenai

Масштабный корпус реальных диалогов с чат-ботами WildChat

allenai/WildChat-4.8M-Full

Более 4,7 миллиона очищенных диалогов пользователей с языковыми моделями от института AllenAI.

Что внутри

Датасет включает 4 743 336 текстовых диалогов между реальными пользователями и языковыми моделями, собранных исследователями из AllenAI. Из исходного массива в 4,8 миллиона бесед были удалены диалоги, отмеченные модерацией OpenAI как содержащие запрещённый контент с участием несовершеннолетних.

Что можно сделать

  • Масштабный SFT-файнтюнинг открытых чат-моделей на реальных пользовательских запросах
  • Анализ поведения пользователей и типичных сценариев взаимодействия с LLM
Задачи
Генерация текста, Вопрос-ответ
Размер
1M–10M записей
Скачиваний за месяц
948
Лайков
52
Доступ
по запросу на Hugging Face

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("allenai/WildChat-4.8M-Full")