PhilipMay/Nectar-ShareGPT-clean

Nectar ShareGPT Clean数据集是基于berkeley-nest/Nectar数据集，通过特定脚本清理和转换而成的。该数据集的主要目的是适应Axolotl支持的对话格式。在清理过程中，仅保留了最佳排名的答案，清理了不可见字符和空白，删除了空文本的行以及来自多个来源的行。数据集的语言为英语，规模在10万到100万之间，遵循Apache 2.0许可证。

原始信息汇总

数据集概述

数据集名称

• Nectar ShareGPT Clean

数据集来源

• 基于 berkeley-nest/Nectar 数据集，通过 04_convert_nectar.ipynb 脚本进行清洗和转换。

主要变更

• 转换为 Axolotl 支持的对话格式。
• 仅使用最佳排名答案。
• 清理不可见字符并去除空格。
• 移除文本为空的行。
• 移除来自多个源的行（基于 source 列）。

数据集语言

• 英语（en）

数据集大小

• 100K<n<1M

许可证

• Apache License, Version 2.0

版权信息

• 版权所有者：Philip May 及 Banghua Zhu, Evan Frick, Tianhao Wu, Hanlin Zhu, Jiantao Jiao