flyingfishinwater/ultrachat-uncensored

该数据集基于ultrachat数据集，并通过使用未过滤关键词列表过滤掉了拒绝和偏见的内容，大约90%的数据被移除，剩下的40万对话不太可能导致模型拒绝。数据集已按85:10:5的比例分割为训练集、验证集和测试集，并添加了加载脚本。

原始信息汇总

数据集概述

数据集来源

• 该数据集是从 ehartford/ultrachat-uncensored 分叉得到的。

数据集处理

• 将原始的 ultrachat-uncensored.jsonl 文件按 85:10:5 的比例分割为训练集、验证集和测试集。
• 添加了 ultrachat-uncensored.py 加载脚本。

原始数据集信息

• 原始数据集基于 stingning/ultrachat。
• 使用经典的 "unfiltered" 关键词列表 anon8231489123/ShareGPT_Vicuna_unfiltered 进行过滤，移除了拒绝和偏见的实例。
• 约 90% 的数据被移除，剩余约 40 万条对话。
• 剩余数据不太可能导致模型拒绝响应。
• 正在研究使用 dolphin-2.1 重新表述检测到的拒绝情况的方法。