bkai-foundation-models/vietnamese-roleplay-realm

这是一个由GPT生成的越南语角色数据集，旨在提高开源语言模型在角色扮演方面的能力。数据集包含446个由GPT-3.5生成的角色，其中400个为普通角色，46个为越南语角色。每个角色有20个由ChatGPT生成的话题，每个话题对应一段对话。数据集的构建过程分为四个步骤：角色生成、话题生成、对话生成以及检查和精炼。

原始信息汇总

越南角色扮演领域数据集

数据集概述

• 数据集名称: Vietnamese Role-play Realm Dataset
• 数据集描述: 该数据集包含由GPT-3.5生成的446个越南角色，旨在提高开源语言模型的角色扮演能力。每个角色有20个由ChatGPT生成的话题，每个话题对应一段对话。
• 数据集组成: 446个角色中，400个为普通角色，46个为越南角色。

数据集特征

• 特征列表:
  • name: 角色名称，数据类型为字符串。
  • context: 角色背景，数据类型为字符串。
  • greeting: 角色问候语，数据类型为字符串。
  • example_dialogue: 示例对话，包含以下子字段：
    • content: 对话内容，数据类型为字符串。
    • role: 角色，数据类型为字符串。
  • topics: 话题序列，数据类型为字符串。
  • dialogues: 对话列表，包含以下子字段：
    • chat: 对话列表，包含以下子字段：
      • content: 对话内容，数据类型为字符串。
      • role: 角色，数据类型为字符串。
    • model_name: 模型名称，数据类型为字符串。
    • topic: 话题，数据类型为字符串。

数据集分割

• 训练集: 包含446个示例。

任务类别

• 文本生成

语言

• 越南语

标签

• gpt-4
• fictional
• role-play
• roleplay
• gpt-3.5
• art

数据集构建过程

1. 角色生成: 基于提示和角色种子列表，使用GPT-3.5生成一组虚构角色，输出字段包括name、context、greeting和example_dialogue。
2. 话题生成: 根据角色描述生成对话话题，每个角色生成20个话题，输出字段为topics。
3. 对话生成: 基于角色描述和话题生成对话，输出字段为dialogues。
4. 检查和精炼: 由于数据集可能包含越南语错误，需要进行审查和修正以确保准确性和精炼。