ShareChat

ShareChat数据集包含大约9万条指令，这些指令均来源于ShareGPT上的对话数据。在语言分布方面，其中6.8万条指令为英语，1.1万条为中文，其余为其他语言。该数据集的目标是将所有其他语言的指令翻译成中文，以丰富中文指令的资源。所有数据都经过了人工检查和验证。

搜集汇总

背景与挑战

背景概述

ShareChat数据集是一个多语言ChatGPT对话语料库，包含约9万条对话（以英文和中文为主），旨在通过清洗和翻译构建高质量中文AI训练数据，以促进国内AI发展。该数据集强调'优质、可读、无毒'的特点，最终将并入Multilingual Share GPT语料库，并采用CC0协议开放共享。