LMSYS-Chat-1M是由加州大学伯克利分校的研究团队创建的大型语言模型对话数据集，包含一百万条真实世界的对话记录。该数据集通过LMSYS项目收集，涵盖了25个最先进的语言模型，并从210,000个独特的IP地址中收集。数据集内容丰富，包括对话的收集过程、基本统计数据和主题分布，强调了其多样性、原创性和规模。该数据集的应用领域广泛，包括开发内容审核模型、构建安全基准、训练指令遵循模型以及创建挑

arXiv2024-03-11 更新2270

k-arthik-r/mental-health-conversations-in-Llama2-promt-format

心理健康

对话数据

--- dataset_info: features: - name: text dtype: string splits: - name: train num_bytes: 4712402 num_examples: 3512 download_size: 2570825 dataset_size: 4712402 configs: - confi

Hugging Face2024-05-18 更新180

TokenBender/sentence_retrieval_hindi_SFT

印地语句子检索

监督微调

--- license: apache-2.0 ---

Hugging Face2024-01-28 更新120

SynthPAI

个人属性推断

对话数据

该数据集名为synthPAI，是一个经过人工验证的合成对话数据集，专为个人属性推断研究设计。它包含了7,823条由300个不同合成用户生成的评论，覆盖了8个个人属性，包括年龄、性别、收入水平、地理位置、出生地、教育水平、职业和婚姻状况。SynthPAI中的评论在风格和质量上与真实的Reddit评论高度相似，该数据集被用于构建一个扰动数据库，以评估防御方法的有效性。规模上，数据集包含了来自300个合

arXiv270

hippocrates/qa_train

对话数据

机器学习

--- dataset_info: features: - name: id dtype: string - name: conversations list: - name: from dtype: string - name: value dtype: string - name: text dtype: stri

Hugging Face2023-12-18 更新140

TokenBender/telugu_high_quality_convo

资源简介：

数据集许可证

相关数据集