aisquared/databricks-dolly-15k

`databricks-dolly-15k`是一个开源数据集，包含超过15,000条由Databricks员工生成的指令跟随记录，涵盖了多种行为类别，如头脑风暴、分类、封闭问答、生成、信息提取、开放问答和总结。该数据集旨在训练大型语言模型以展示类似ChatGPT的交互性。数据集可用于学术或商业目的，遵循Creative Commons Attribution-ShareAlike 3.0 Unported License。

原始信息汇总

数据集概述

数据集名称

databricks-dolly-15k

创建者

• 所有者: Databricks, Inc.
• 创建者: Databricks员工

数据集内容

• 类型: 开放源代码数据集，包含超过15,000条指令遵循记录。
• 内容: 由Databricks员工生成的指令/响应对，涵盖八个不同的指令类别，包括创意写作、封闭式问答、开放式问答、总结、信息提取、分类和头脑风暴。

用途

• 支持任务: 训练大型语言模型（LLMs）、合成数据生成、数据增强。
• 应用: 用于指令微调大型语言模型，也可用于合成数据生成和数据增强。

许可

• 许可证: Creative Commons Attribution-ShareAlike 3.0 Unported License
• 使用限制: 可用于任何目的，包括学术和商业应用。

语言

• 主要语言: 美式英语

数据集特点

• 数据来源: 主要由Databricks员工生成，部分内容参考自Wikipedia。
• 注释指南: 提供简洁的注释任务描述和示例，以鼓励高任务完成率。
• 已知限制: 可能包含Wikipedia的偏见、事实错误和主题关注点；部分注释者可能非英语母语者；注释者的背景可能反映Databricks员工的组成。

数据集版本

• 版本: 1.0