ChapAF/whitebox-harmful-ultrachat
收藏官方服务：
资源简介：
Whitebox Harmful UltraChat是一个基于UltraChat-200k衍生的对抗性对话对数据集。每一行数据包含一个`(原始对话, 有害对话)`对，并带有明确的`干预类型`和`程度`标签，专用于引导信号微调任务。
Adversarial conversation pairs derived from UltraChat-200k. Each row is a `(original, harmful)` conversation pair with an explicit `intervention_type` and `extent` label, for use with steering-signal fine-tuning.
提供机构：
ChapAF
