CoGenesis合成上下文感知数据集

该数据集来自一篇在ACL 2024会议发表的研究论文，其产生方法展现了前沿的数据合成策略。为了解决真实场景中隐私数据难以直接用于研究的困境，作者设计了一套数据构建流程，并利用GPT-4模型，创造性地合成了高质量的个性化写作指令数据集。该数据集的创建，其核心意义在于为解决大语言模型（LLMs）在个人设备上的隐私安全问题提供了宝贵的“试验场”（testbed）。它使研究者能够系统地研究模型在不同粒度的上下文信息下的表现，推动了“上下文感知指令跟随”与“隐私保护”的交叉研究。其主要内容聚焦于丰富的、个性化的上下文信息与写作指令对，旨在模拟真实用户在向AI助手寻求写作帮助时的各种场景。论文的实验结果表明，该合成数据集在评估模型性能方面发挥了关键作用，证明了小模型在经过其微调后，在隐私保护场景下展现了巨大潜力。