artnitolog/llm-generated-texts

该数据集由人类作者和大型语言模型（LLMs）生成的并行文本组成。数据集构建方法基于参考文献[1]和[2]中的提示。数据集包含强大的LLMs生成的内容，总计21,000条。使用的LLMs包括GPT4 Turbo 2024-04-09、GPT4 Omni、Claude 3 Opus、Llama3 70B、CommandR+、YandexGPT 3 Pro和GigaChat Pro。人类撰写的文本来源包括学生作文、路透社数据集和创意写作。学生作文和路透社数据集的原始文本通过语义搜索嵌入与提示匹配。

原始信息汇总

数据集概述

数据集特征

• 名称: dataset_name
  • 数据类型: string
• 标识符: id
  • 数据类型: int64
• 提示: prompt
  • 数据类型: string
• 人类作者: human
  • 数据类型: string
• GPT4 Turbo 2024-04-09: GPT4 Turbo 2024-04-09
  • 数据类型: string
• GPT4 Omni: GPT4 Omni
  • 数据类型: string
• Claude 3 Opus: Claude 3 Opus
  • 数据类型: string
• YandexGPT 3 Pro: YandexGPT 3 Pro
  • 数据类型: string
• GigaChat Pro: GigaChat Pro
  • 数据类型: string
• Llama3 70B: Llama3 70B
  • 数据类型: string
• Command R+: Command R+
  • 数据类型: string

数据集分割

• 训练集: train
  • 字节数: 75832077
  • 样本数: 3000

数据集大小

• 下载大小: 41730819
• 数据集大小: 75832077

配置

• 配置名称: default
  • 数据文件:
    • 分割: train
    • 路径: data/train-*

任务类别

• 文本分类

语言

• 英语

大小类别

• 10K<n<100K