bkai-foundation-models/vi-self-chat-sharegpt-format

越南语自对话数据集旨在增强模型与人类进行多轮对话的能力。通过结合Self-Instruct和Baize方法，生成多样化的指令和合成多轮交互对话，该数据集致力于创建一个强大的资源，以提升模型在复杂对话场景中的语言理解和响应生成能力。

原始信息汇总

数据集概述

数据集名称

越南语自对话数据集（Vietnamese Self-Chat Dataset）

数据集目的

该数据集旨在提升模型与人类进行多轮对话的能力。

数据集构建方法

1. 指令生成：采用Self-Instruct论文的方法生成多样化的指令，以指导预训练语言模型遵循特定指令。
2. 合成自对话：基于第一步生成的指令，借鉴Baize论文，模拟多轮交互，供模型学习。

数据集特征

• id：整数类型（int64）
• conversations：列表类型，包含：
  • from：字符串类型（string）
  • value：字符串类型（string）

数据集分割

• 训练集：
  • 数据大小：77553076字节
  • 示例数量：30399

数据集大小

• 下载大小：32137459字节
• 数据集大小：77553076字节

引用信息

若使用此数据集，请引用以下文献：

@article{duc2024towards, title={Towards Comprehensive Vietnamese Retrieval-Augmented Generation and Large Language Models}, author={Nguyen Quang Duc, Le Hai Son, Nguyen Duc Nhan, Nguyen Dich Nhat Minh, Le Thanh Huong, Dinh Viet Sang}, journal={arXiv preprint arXiv:2403.01616}, year={2024} }