BAAI_COIG

COIG旨在维护一个无害、有益且多样化的中文指令数据集，促进中文大型语言模型的发展。它包含多个数据集，包括翻译指令集（66,858条，源自Super-NaturalInstructions、Self-Instruct和Unnatural Instructions，经过自动翻译、人工验证和校正），考试指令集（63,532条，来自中国高考、中考和公务员考试，包含指令、问题背景、问题、答案、答案分析和粗粒度科目），人类价值观对齐指令集（34,471条，分为通用价值观和特定区域文化价值观），反事实修正多轮对话数据集（13,653条，基于CN-DBpedia知识图谱，包含学生和老师之间的五轮对话），以及Leetcode指令集（11,737条，来自CC-BY-SA-4.0许可的编程问题集合）。COIG遵循Apache 2.0许可协议，部分数据也包含其他许可协议的内容。