IlyaGusev/gpt_roleplay_realm

GPT Role-play Realm数据集是一个由GPT-4生成的虚构角色数据集，旨在提高开源语言模型的角色扮演能力。数据集包含俄语和英语两部分，分别有219和216个角色。每个角色都有详细的描述、问候语、示例对话和20个独特主题的对话。对话的前一个由GPT-4生成，其余19个由GPT-3.5生成。每个角色还配有由Kandinsky 2.1生成的图像。

The GPT Role-play Realm Dataset is a fictional character dataset generated using GPT-4, designed to enhance the role-playing capabilities of open-source language models. The dataset comprises two subsets in Russian and English, containing 219 and 216 distinct characters respectively. For each character, detailed descriptions, greeting messages, sample dialogues, and 20 dialogues centered on unique topics are provided. Of these 20 dialogues, the first one is generated by GPT-4, while the remaining 19 are generated by GPT-3.5. Additionally, each character is paired with an image generated by Kandinsky 2.1.

原始信息汇总

数据集概述

名称: GPT Role-play Realm

描述: 该数据集包含由GPT-4生成的角色，旨在增强开源语言模型进行角色扮演的能力。

特征:

• name: 字符串类型，角色名称。
• context: 字符串类型，角色背景描述。
• greeting: 字符串类型，角色问候语。
• example_dialogue: 列表类型，包含以下子特征：
  • content: 字符串类型，对话内容。
  • role: 字符串类型，对话中的角色。
• topics: 序列类型，字符串，角色对话的主题。
• dialogues: 列表类型，包含以下子特征：
  • chat: 列表类型，包含以下子特征：
    • content: 字符串类型，对话内容。
    • role: 字符串类型，对话中的角色。
  • model_name: 字符串类型，模型名称。
  • topic: 字符串类型，对话主题。
• image_prompt: 字符串类型，用于生成角色图像的提示。
• image: 图像类型，角色图像。
• char_id: 字符串类型，角色ID。

分割:

• en: 英语部分，包含216个示例，数据大小为197727921字节。
• ru: 俄语部分，包含219个示例，数据大小为207461896字节。

下载大小: 396187206字节

数据集大小: 405189817.0字节

许可证: cc-by-4.0

任务类别: 文本生成

语言: 俄语、英语

标签: gpt-4, fictional, role-play, roleplay, gpt-3.5, art

美观名称: GPT Role-play Realm

大小类别: 1K<n<10K

搜集汇总

数据集介绍

构建方式

该数据集由GPT-4与GPT-3.5协同构建，旨在提升开源语言模型的角色扮演能力。构建流程分为五个阶段：首先，基于种子角色列表与精心设计的提示，利用GPT-4生成包含角色名称、背景设定、开场白及示例对话的虚构角色描述；其次，依据角色描述，由GPT-4自动生成20个独特的对话主题；随后，针对每个角色与主题，首轮对话由GPT-4生成，其余19轮对话由GPT-3.5完成，从而构建出丰富的多轮对话语料；接着，利用GPT-4根据角色描述生成适配于Stable Diffusion类模型的图像提示；最终，借助Kandinsky 2.1模型生成每个角色的专属图像，并以角色卡形式存储。整个流程通过自动化脚本串联，确保了数据生成的高效性与一致性。

特点

数据集涵盖英语与俄语两个子集，分别包含216个和219个虚构角色，总计435个角色，每个角色均配备20个主题对话，对话总量超过8700轮。角色类型丰富多样，从科幻的赛博奶奶到奇幻的绒毛生物，覆盖了广泛的虚构领域。每个角色包含完整的元数据：名称、背景、问候语、示例对话、主题列表、多轮对话记录、图像提示及生成的图像。特别地，图像以角色卡格式保存，嵌入了完整的角色信息，可直接用于角色扮演应用。数据集采用CC-BY-4.0许可，便于学术研究与商业使用。其核心特点在于通过GPT-4与GPT-3.5的分层生成策略，在保证对话质量的同时降低了成本，为角色扮演模型的微调提供了高质量、多语言的训练资源。

使用方法

数据集可通过HuggingFace Datasets库便捷加载，支持按语言子集（'en'或'ru'）进行分割访问。用户可直接使用`load_dataset('IlyaGusev/gpt_roleplay_realm', split='en')`获取英语角色数据。每个样本包含角色描述、对话列表及图像，其中对话以多轮格式组织，便于构建对话上下文。对于需要角色卡的应用场景，可通过示例代码将图像与嵌入的角色信息保存为PNG文件，实现角色卡的导出与复用。数据集适用于角色扮演对话模型的微调、少样本学习评估、以及对话生成基准测试。研究人员可基于角色的背景与主题，设计自定义的对话生成任务，或利用图像与文本的联合信息探索多模态角色扮演能力。

背景与挑战

背景概述

在自然语言处理领域，角色扮演对话系统因其在虚拟助手、游戏NPC及社交机器人等应用中的巨大潜力而备受关注。然而，开源语言模型在模拟多样化、连贯且富有深度的角色交互方面仍显不足，这主要归因于高质量、结构化的角色扮演数据集的匮乏。为应对这一挑战，IlyaGusev于2023年创建了GPT Role-play Realm数据集，该数据集由俄罗斯研究团队主导，旨在通过生成式AI技术提升开源模型的角色扮演能力。数据集包含435个由GPT-4生成的虚构角色，覆盖俄语与英语两种语言，每个角色配备20个基于独特主题的对话样本及由Kandinsky 2.1生成的视觉形象。其核心研究问题聚焦于如何利用大规模合成数据弥合开源模型与专有模型在角色一致性、对话自然性上的差距。该数据集的出现为角色扮演领域提供了标准化基准，显著推动了多语言、多模态对话系统的研究进展。

当前挑战

该数据集所解决的领域问题在于，现有开源语言模型在角色扮演任务中常面临角色特征融合不足、对话主题偏离及情感表达单一化等挑战，难以生成符合特定角色设定、逻辑连贯且情感丰富的交互内容。GPT Role-play Realm通过构建高度结构化的角色档案与主题驱动的对话树，为模型提供了明确的角色约束与场景锚点，从而缓解了角色行为失范与对话碎片化的问题。在构建过程中，团队面临多重技术挑战：首先，需确保GPT-4生成的角色描述与对话样本在文化适配性与语言多样性上保持平衡，避免因提示工程偏差导致内容同质化；其次，跨模型协作（GPT-4生成初始对话，GPT-3.5扩展其余样本）需严格对齐角色一致性，防止模型间风格冲突；此外，图像生成环节需将文本角色描述精准映射至视觉特征，Kandinsky 2.1的语义理解能力在此过程中成为关键瓶颈。

常用场景

经典使用场景

在自然语言处理与人工智能领域，GPT角色扮演领域（GPT Role-play Realm）数据集为提升开源语言模型的角色扮演能力提供了宝贵的资源。该数据集通过GPT-4生成包含英语与俄语共435个虚构角色的详细描述，涵盖角色背景、开场白及示例对话，并针对每个角色扩展出20个不同主题的对话，其中首个对话由GPT-4生成，其余由GPT-3.5生成。研究者常将其用于微调基础语言模型，使其能够生成具有鲜明个性与情境适应性的角色对话，从而推动对话系统在娱乐、教育及虚拟助手等场景下的自然交互能力。

解决学术问题

该数据集有效解决了开源语言模型在角色扮演任务中缺乏高质量、多样化训练数据的学术难题。传统角色扮演数据集通常规模有限或依赖人工标注，难以覆盖丰富的角色类型与对话情境。GPT角色扮演领域数据集通过自动化生成方式，提供了涵盖科幻、奇幻、日常生活等多领域的角色与对话，显著增强了模型的泛化能力与创造性表达。其意义在于为角色一致性保持、对话连贯性生成及多轮交互中的情感建模等研究提供了基准数据，推动了对话系统从简单问答向复杂社会角色模拟的演进。

衍生相关工作

该数据集衍生了一系列经典工作，包括角色生成、主题规划及对话合成的流水线方法。研究者基于其公开的代码与提示模板，开发了诸如角色卡生成工具（Character Editor）和图像生成管道（结合Kandinsky 2.1），将文本描述转化为可视化角色形象。此外，相关工作探索了利用GPT-4与GPT-3.5的混合策略来平衡对话质量与成本，以及通过角色种子列表与动态主题生成提升数据多样性。这些成果不仅促进了角色扮演数据集构建的自动化，还启发了多模态角色建模与跨语言对话系统的研究，成为社区中进一步创新的基石。