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。The CAMEL AI Society Dataset consists of 25,000 dialogues generated between 50 user roles and 50 assistant roles, with 10 tasks executed for each pair of user and assistant roles. The dataset provides two formats: one is the chat format, which follows a conversational instruction-following structure; the other is the instruction format, which includes more specific task descriptions. The data fields provide detailed descriptions of the structure of each format, including role, task, response, instruction, input, output, termination reason, and other relevant contents.

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。