camel-ai/ai_society

CAMEL AI Society数据集由25,000个对话组成，这些对话是在50个用户角色和50个助理角色之间进行的，每个组合运行了10个任务。数据集提供了两种格式：一种是chat格式，包含对话式的指令跟随格式；另一种是instruction格式，包含更具体的任务描述。数据字段详细描述了每种格式的结构，包括角色、任务、响应、指令、输入、输出和终止原因等。

原始信息汇总

数据集概述

数据集名称： CAMEL AI Society

数据集描述： AI Society数据集包含25,000次由两个gpt-3.5-turbo代理之间的对话。这些对话是通过50种用户角色和50种助理角色的组合，在10个任务上进行角色扮演而获得的。

数据格式：

• chat格式： 包含在ai_society_chat.tar.gz文件中，遵循对话指令格式。
• instruction格式： 包含在ai_society_instructions.json文件中。

数据字段

instruction格式 (ai_society_instructions.json) 的数据字段：

• id: 角色和任务的索引组合。
• role_1: 助理角色。
• role_2: 用户角色。
• original_task: 分配给助理和用户的原始任务。
• specified_task: 经过任务指定后的具体任务。
• role_1_response: 指令前的用户响应文本。
• role_1_message_id: 完整对话中的消息ID。
• instruction: 描述助理应执行的任务。
• input: 提供指令的进一步上下文或信息。
• output: 由gpt-3.5-turbo生成的指令答案。
• termination_reason: 对话终止的原因。

chat格式 (ai_society_chat.tar.gz) 的数据字段：

• input: 角色和任务的索引组合。
• role_1: 助理角色。
• role_2: 用户角色。
• original_task: 分配给助理和用户的原始任务。
• specified_task: 经过任务指定后的具体任务。
• message_k: 对话中的第k条消息。
  • role_type: 代理是助理还是用户。
  • role_name: 分配的助理/用户角色。
  • role: 代理在消息中的角色。
  • content: 消息内容。
• termination_reason: 对话终止的原因。
• num_messages: 对话中的消息总数。

许可证

• 许可证： cc-by-nc-4.0

搜集汇总

背景与挑战

背景概述

CAMEL-AI/ai_society数据集是一个用于指令微调的大规模对话数据集，包含2.5万条由gpt-3.5-turbo生成的代理角色扮演对话，覆盖50种用户角色和50种助手角色的多种任务组合。该数据集提供聊天和指令两种格式，支持文本生成研究，但存在数据生成错误，部分文件列不匹配，需注意数据一致性。