ticoAg/moss-003-sft-data

本数据集可用于中文多轮对话指令微调，包含110万中英文多轮对话数据。该数据集来自MOSS项目中的moss-003-sft-data数据集。在原数据集的基础上，我们去除了冗余信息，仅提取出有效的对话信息，并且调整数据格式，以便在训练中更加灵活地组织数据格式。数据格式从多轮对话转为包含指令、输入、输出和历史对话的JSON格式。

原始信息汇总

moss-003-sft-data 数据集概述

数据集描述

• 用途：适用于中文多轮对话指令微调。
• 数据量：包含110万中英文多轮对话数据。
• 来源：来自MOSS项目中的moss-003-sft-data数据集。

数据处理

• 处理内容：在原数据集的基础上，去除了冗余信息，仅提取出有效的对话信息。
• 数据格式调整：调整数据格式，以便在训练中更加灵活地组织数据格式。

数据格式示例

json [ { "instruction": "听起来很不错。人工智能可能在哪些方面面临挑战呢？", "input": "", "output": "人工智能面临的挑战包括数据隐私、安全和道德方面的问题，以及影响就业机会的自动化等问题。", "history": [ ["你好，你能帮我解答一个问题吗？", "当然，请问有什么问题？"], ["我想了解人工智能的未来发展方向，你有什么想法吗？", "人工智能在未来的发展方向可能包括更强大的机器学习算法，更先进的自然语言处理技术，以及更加智能的机器人。"] ] } ]