snipaid/instruct-snippet-mlsum-v2

这是一个用于新闻片段生成的多任务指令微调数据集，基于MLSUM数据集的约500篇新闻文章，并增加了机器生成的新闻片段。数据集支持生成标题、摘要、关键词、搜索引擎结果页面（SERP）和推文等任务，语言为德语。数据集的结构包括标签、指令、输入和输出四个特征。创建过程中使用了GPT-3.5生成指令，并提醒用户注意机器生成数据可能存在的幻觉、毒性和刻板印象问题。

原始信息汇总

数据集概述

数据集名称

• 名称: Instruct-Snippet-MLSUM-500-V2

数据集描述

• 目的: 用于多任务指令微调，专注于新闻片段生成。
• 来源: 基于MLSUM数据集的约500篇新闻文章样本，并增加了机器生成的新闻片段。

支持的任务

• 任务: 生成新闻片段，包括标题、预告、摘要、关键词、SERP和推文。

语言

• 语言: 德语 (de)

数据集结构

• 特征:
  • label: 字符串类型
  • instruction: 字符串类型
  • input: 字符串类型
  • output: 字符串类型

数据集创建

• 创建方式: 基于Snippet-MLSUM-500-V2数据集，使用GPT-3.5从人工策划的指令种子集中生成指令。

使用数据时的注意事项

• 已知限制: 部分片段数据为机器生成，可能存在模型幻觉、毒性和刻板印象。

许可证信息

• 许可证: MIT许可证