Azure99/blossom-wizard-v3

---
license: apache-2.0
task_categories:
- text-generation
- text2text-generation
language:
- zh
- en
size_categories:
- 100K<n<1M
---
# BLOSSOM WIZARD V3

### 介绍

Blossom Wizard V3是一个基于WizardLM_evol_instruct_V2衍生而来的中英双语指令数据集，适用于指令微调。

相比于blossom-wizard-v2，本版本完全使用GPT-4进行蒸馏。

本数据集从WizardLM_evol_instruct_V2中抽取了指令，首先将其翻译为中文并校验翻译结果，再使用指令调用gpt-4-0125-preview模型生成响应，并过滤掉包含自我认知以及拒绝回答的响应，以便后续对齐。此外，为了确保响应风格的一致性以及中英数据配比，本数据集还对未翻译的原始指令也进行了相同的调用，最终得到了1:1的中英双语指令数据。

相比直接对原始Wizard进行翻译的中文数据集，Blossom Wizard的一致性及质量更高。

本次发布了全量数据的50%，包含中英双语各10K，共计20K记录。

### 语言

以中文和英文为主。

### 数据集结构

每条数据代表一个完整的对话，包含id和conversations两个字段。

- id：从1递增。
- conversations：对象数组，每个对象包含role、content两个字段，role的取值为user或assistant，分别代表用户输入和助手输出，content则为对应的内容。

### 数据集限制

本数据集的所有响应均由gpt-4-0125-preview生成，并未经过严格的数据校验，可能包含不准确甚至严重错误的回答。此外，由于过滤了拒答响应，仅使用本数据集训练的模型，可能不会拒绝非法的请求。

原始信息汇总

数据集概述：Blossom Wizard V3

数据集详情

• 许可证: Apache-2.0
• 任务类别:
  • 文本生成
  • 文本到文本生成
• 语言:
  • 中文
  • 英文
• 数据集大小: 100K<n<1M

数据集描述

Blossom Wizard V3是一个中英双语指令数据集，专为指令微调设计。该数据集基于WizardLM_evol_instruct_V2，通过GPT-4进行蒸馏，确保了数据的一致性和质量。本版本与Blossom Wizard V2相比，完全使用GPT-4进行数据处理。

数据集内容

• 数据量: 本次发布的数据量为全量的50%，包含中英双语各10K，共计20K记录。
• 数据结构:
  • 每条数据包含id和conversations两个字段。
  • id从1开始递增。
  • conversations包含role和content两个字段，role取值为user或assistant，分别代表用户输入和助手输出。

数据集限制

• 所有响应均由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回答。
• 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。