HuggingFaceH4/no_robots

No Robots是一个包含10,000条由熟练人类注释者创建的高质量指令和演示的数据集，用于监督微调（SFT）以使语言模型更好地遵循指令。该数据集模仿了OpenAI的InstructGPT论文中描述的指令数据集，主要由单轮指令组成，涵盖生成、开放问答、头脑风暴、聊天、重写、总结、编码、分类、封闭问答和提取等类别。数据集的结构包括提示、提示ID、消息和类别字段，数据分割为训练集和测试集。数据集的语言为英语，许可证为CC BY-NC 4.0。

原始信息汇总

数据集概述

数据集名称

• 名称: No Robots
• 别名: No Robots 🙅‍♂️🤖

数据集描述

• 目的: 用于监督式微调（SFT）以提高语言模型遵循指令的能力。
• 内容: 包含10,000条由熟练的人类注释者创建的指令和演示。
• 类别分布:

  类别	数量
  Generation	4560
  Open QA	1240
  Brainstorm	1120
  Chat	850
  Rewrite	660
  Summarize	420
  Coding	350
  Classify	350
  Closed QA	260
  Extract	190

数据集结构

• 语言: 英语（BCP-47 en）
• 数据字段:
  • prompt: 描述模型应执行的任务。
  • prompt_id: 提示的唯一ID。
  • messages: 消息数组，每条消息指示角色（系统、用户、助手）和内容。
  • category: 示例所属的类别（例如Chat或Coding）。
• 数据分割:

  分割	示例数量
  train	9500
  test	500

数据集使用

• 建议基准:
  • MT-Bench
  • AlpacaEval
  • Chatbot Arena

许可证

• 许可证: Creative Commons NonCommercial (CC BY-NC 4.0)

引用信息

@misc{no_robots, author = {Nazneen Rajani and Lewis Tunstall and Edward Beeching and Nathan Lambert and Alexander M. Rush and Thomas Wolf}, title = {No Robots}, year = {2023}, publisher = {Hugging Face}, journal = {Hugging Face repository}, howpublished = {url{https://huggingface.co/datasets/HuggingFaceH4/no_robots}} }