botp/Azure99_blossom-wizard-v3

Blossom Wizard V3是一个基于WizardLM_evol_instruct_V2衍生而来的中英双语指令数据集，适用于指令微调。本版本完全使用GPT-4进行蒸馏，从WizardLM_evol_instruct_V2中抽取指令，翻译为中文并校验翻译结果，再使用指令调用gpt-4-0125-preview模型生成响应，并过滤掉包含自我认知以及拒绝回答的响应。最终得到了1:1的中英双语指令数据。本次发布了全量数据的50%，包含中英双语各10K，共计20K记录。每条数据代表一个完整的对话，包含id和conversations两个字段。

原始信息汇总

数据集概述

数据集名称

Blossom Wizard V3

数据集来源

基于WizardLM_evol_instruct_V2衍生，使用GPT-4进行蒸馏。

数据集用途

适用于指令微调。

数据集特点

• 中英双语指令数据集，中英数据配比为1:1。
• 过滤了包含自我认知以及拒绝回答的响应。
• 一致性及质量高于直接翻译的中文数据集。

数据集内容

• 本次发布全量数据的50%，包含中英双语各10K，共计20K记录。
• 每条数据代表一个完整的对话，包含id和conversations两个字段。
  • id：从1递增。
  • conversations：对象数组，每个对象包含role、content两个字段，role的取值为user或assistant，分别代表用户输入和助手输出，content则为对应的内容。

数据集限制

• 所有响应均由gpt-4-0125-preview生成，可能包含不准确甚至严重错误的回答。
• 由于过滤了拒答响应，使用本数据集训练的模型可能不会拒绝非法的请求。

语言

中文和英文。

许可证

Apache-2.0