Azure99/blossom-orca-v3

Blossom Orca V3是一个基于OpenOrca衍生而来的中英双语指令数据集，专为指令微调设计。该数据集通过GPT-4蒸馏生成，确保了数据的一致性和质量。数据集包含中英双语各20K记录，总计40K。每条数据代表一个完整的对话，包含id和conversations字段，其中conversations记录了用户和助手的交互内容。需要注意的是，所有响应均由gpt-4-0125-preview生成，可能存在不准确或错误的回答，且模型可能不会拒绝非法请求。

原始信息汇总

数据集概述

数据集名称

BLOSSOM ORCA V3

数据集描述

Blossom Orca V3是一个基于OpenOrca衍生而来的中英双语指令数据集，专为指令微调设计。本数据集通过GPT-4进行蒸馏，从OpenOrca中提取系统提示和指令，翻译并校验中文翻译，使用gpt-4-0125-preview模型生成响应，并过滤掉自我认知及拒答的响应，以确保数据的一致性和质量。

语言

• 中文
• 英文

数据集规模

• 数据集包含中英双语各20K，共计40K记录。

数据集结构

每条数据包含以下字段：

• id：递增的唯一标识。
• conversations：一个数组，每个元素包含role和content两个字段，其中role可以是user或assistant，分别代表用户输入和助手输出，content为对应的内容。

数据集限制

• 所有响应由gpt-4-0125-preview生成，未经过严格的数据校验，可能包含不准确或错误的信息。
• 由于过滤了拒答响应，使用本数据集训练的模型可能不会拒绝非法请求。