passing2961/photochat_plus

PhotoChat++是一个公开的多模态对话数据集，是PhotoChat数据集的扩展版本。该数据集包含六种意图标签、触发句子、图像描述和显著信息（如“单词”或“短语”）等内容，旨在全面评估基于人类内部操作系统的LLM的图像共享能力。数据集通过众包方式创建，语言为英语，包含968个训练样本。

PhotoChat++ is a publicly available multi-modal dialogue dataset, an extended version of PhotoChat. The dataset contains six intent labels, a triggering sentence, an image description, and salient information (e.g., “words” or “phrases”) to invoke the image-sharing behavior. The purpose of this dataset is to thoroughly assess the image-sharing capability of LLMs based on humans internal operating systems. The dataset is created via crowd-sourcing, in English, and contains 968 training examples.

原始信息汇总

数据集概述

数据集描述

• 数据集名称: PhotoChat++
• 数据集类型: 多模态对话数据集
• 扩展自: PhotoChat
• 语言: 英语
• 数据集大小: 968条对话
• 标签: 包含六个意图标签、触发句、图片描述和显著信息（如“单词”或“短语”）
• 目的: 评估基于人类内部操作系统的大型语言模型（LLMs）的图像共享能力

数据集结构

字段	类型	描述
dialogue_id	str	对话标识符，包含PhotoChat中的原始对话标识符
dialogue	list of dict	对话内容，每个字典条目包括{message, share_photo, user_id}（来自PhotoChat）
photo_id	str	图片标识符（来自PhotoChat）
photo_url	str	图片URL（来自PhotoChat）
photo_description	str	图片描述（来自PhotoChat）
intents	list of str	从众包中注释的所有意图
trigger_sentences	list of str	触发图像共享行为的触发句，从众包中注释
image_descriptions	list of str	从众包中注释的所有图像描述，不同于photo_description字段
salient_information	list of str	从众包中注释的所有显著信息（如单词或短语）

数据集创建

• 创建方式: 通过众包创建
• 许可证: CC BY 4.0 International
• 推荐用途: 推荐用于学术和研究目的