MentalFox/GPTeacher

GPTeacher数据集是一个由GPT-4生成的模块化数据集集合，包含General-Instruct、Roleplay-Instruct、Code-Instruct和Toolformer四个子数据集。General-Instruct数据集使用了与alpaca相似的种子提示，但包含了alpaca中较少见的示例，如链式思维推理、逻辑谜题、文字游戏和角色扮演等，并要求在示例响应中包含推理和思维步骤。该数据集经过去重处理，包含约20,000个示例。Code-Instruct数据集仍在清理中。所有数据集都按照相似度评分分为5个独立的子集，并遵循Alpaca的数据集格式，每个示例包含指令、输入和输出字段。Toolformer部分的数据集文档即将发布，该数据集用于使用一组预定义工具，如搜索、Python、终端/Shell、Wikipedia、Wolfram等。

原始信息汇总

GPTeacher 数据集概述

数据集组成

GPTeacher 数据集由多个模块化子数据集构成，包括：

• General-Instruct
• Roleplay-Instruct
• Code-Instruct
• Toolformer

General-Instruct 数据集

• 规模: 约20,000个示例，仅包含去重处理。
• 内容特点: 包含链式思维推理、逻辑谜题、文字游戏、角色扮演等，强调在示例响应中包含推理和思考步骤。

数据集结构

所有子数据集均遵循Alpaca数据集格式，每个数据集包含以下字段：

• 指令 (Instruction)
• 输入 (Input)
• 输出 (Output)

数据集处理

每个子数据集被分为5个独立的集合，基于相似度得分进行清洗，包括简单的去重和相似度范围从<60%到<90%的清洗集合。

即将更新的内容

• Code-Instruct 数据集: 目前正在清理中，完成后将发布。
• Toolformer 数据集: 将提供详细的文档，该数据集用于使用预定义工具，包括搜索、Python、终端/Shell、Wikipedia、Wolfram等。