arena-preferences

# ⚔️ Arena Preferences This is a preference dataset based on [lmsys/chatbot_arena_conversations](https://huggingface.co/datasets/lmsys/chatbot_arena_conversations). It contains multi-turn conversations (up to 11 turns) and original samples in 39 different languages (no translation). - Chosen answers are answers where GPT-4 was the winner (33k => 2,868 samples) - Duplicates were removed (13 samples) - GPTisms were removed (166 samples) ## 📊 Plots Here's breakdown of the four most represented languages + an "other" bin in the dataset.  Here's the distribution of the number of turns in the conversations. # ⚔️ 竞技场偏好（Arena Preferences） 本数据集为基于[lmsys/chatbot_arena_conversations](https://huggingface.co/datasets/lmsys/chatbot_arena_conversations)构建的偏好数据集。 该数据集包含至多11轮的多轮对话，以及覆盖39种不同语言的原始未翻译样本。 - 入选回复均为GPT-4获胜的对话结果（原始33k样本经筛选后得到2868条） - 已移除重复样本（共计13条） - 已移除GPT式表达（GPTisms）（共计166条） ## 📊 可视化图表 本数据集包含四种占比最高的语言分布及「其他」汇总类别的统计细分。  以下为对话轮次数量的分布情况： 

搜集汇总

背景与挑战

背景概述

该数据集基于lmsys/chatbot_arena_conversations构建，包含多轮对话和多语言原始样本，并经过筛选、去重等处理。它专门选取了GPT-4胜出的答案，并移除了重复项和GPTisms。