大模型多轮对话SFT数据集_中文

为了能够让大家更好的理解我们的多轮对话数据集，我们选取了十万轮作为本次开源的“大模型多轮对话SFT数据集_中文”，其来源于晴数智慧LLM多领域超自然SFT多轮对话文本数据集。本次开源的部分数据，由来自中国的644名不同ID的采集人独家贡献，北京晴数智慧科技有限公司进行授权采集。每组对话由两位采集人围绕一个主题展开，上下文对话与当前的内容逻辑相关。适用于训练大模型多轮对话 (back and forth conversation)、上下文逻辑推理能力，以及端到端对话大模型。

AI搜集汇总

背景与挑战

背景概述

该数据集是一个中文多轮对话SFT数据集，包含97184轮自然对话句子，覆盖家庭生活、教育医疗等15个主题，由644名采集人围绕特定主题展开对话，语料真实且情感丰富。它专为训练大模型的多轮对话能力、上下文逻辑推理和端到端对话模型设计，采用CC BY-NC-ND 4.0许可，仅限非商业使用。