ShareGPT- Chinese-English-90k は、実際の複雑なシナリオにおけるユーザーの質問をカバーする、中国語と英語の対訳の高品質なヒューマン マシンの質問と回答のデータ セットです。高品質の対話モデルをトレーニングするために使用できます (API インターフェイスを繰り返し呼び出してマシン シミュレーションの質問と回答を生成するデータよりも、命令の配布において堅牢です)。 このデータセットの特徴は次のとおりです。

• 同時に、全く同じ意味表現を持つ中国語と英語の対訳コーパスを提供し、バイリンガル対話モデルのトレーニングに使用できます。
• すべての質問は人為的に想像されたものではなく、API ポーリングによって作成された偽のデータ (Moss など) は実際のユーザー シナリオのコマンド分布と質問表現により一致しています。
• Sharegpt データ セットは、ネチズンによる自発的な共有によって収集されます。これは、(人間の感情による) 非常に自然なフィルターに相当し、不快な経験のある会話のほとんどを除外します。

引用

@dataset{sharegpt_chinese_english_90k, 著者 = {{ShareAI Lab}}、 タイトル = {ShareGPT-Chinese-English-90k: 中国語と英語のバイリンガル人間機械対話データセット}、 年 = {2023}、 発行者 = {ハギングフェイス}、 url = {https://huggingface.co/datasets/shareAI/ShareGPT-Chinese-English-90k} }