Azure99/blossom-wizard-v1

---
license: apache-2.0
task_categories:
- text-generation
- text2text-generation
language:
- zh
- en
size_categories:
- 100K<n<1M
---
# BLOSSOM WIZARD V1

### 介绍

[Blossom Wizard V2](https://huggingface.co/datasets/Azure99/blossom-wizard-v2)版本已发布！🤗

Blossom Wizard V1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。

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-3.5-turbo-0613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30%，包含中英双语各50K，共计100K记录。

### 语言

以中文和英文为主。

### 数据集结构

数据集包含两个文件：blossom-wizard-v1-chinese-50k.json和blossom-wizard-v1-english-50k.json，分别对应中文和英文的数据。

每条数据代表一个完整的对话，包含id和conversations两个字段。

- id：字符串，代表原始WizardLM_evol_instruct_V2的指令id。
- 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-3.5-turbo-0613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

BLOSSOM WIZARD V1 数据集概述

介绍

Blossom Wizard V1 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。数据集从 WizardLM_evol_instruct_V2 中抽取指令，首先将其翻译为中文并校验翻译结果，再使用指令调用 gpt-3.5-turbo-0613 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。

语言

数据集以中文和英文为主。

数据集结构

数据集包含两个文件：blossom-wizard-v1-chinese-50k.json 和 blossom-wizard-v1-english-50k.json，分别对应中文和英文的数据。每条数据代表一个完整的对话，包含 id 和 conversations 两个字段。

• id：字符串，代表原始 WizardLM_evol_instruct_V2 的指令 id。
• 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-3.5-turbo-0613 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。