Weni/wenigpt-agent-sft-1.0.5

该数据集名为wenigpt-agent-sft-1.0.5，主要用于训练葡萄牙语（巴西）的问答（QA）任务的监督微调（SFT）模型。数据集专注于智能代理的个性化偏好，允许在提示中使用特定指令，并为智能代理设定特定目标。数据集包含多个特征，如id、external_id、name、occupation、adjective、chatbot_goal、instructions、content、chunks_small、chunks_big、data_category、question和answer。数据集分为训练集，包含743个样本，总大小为11425507字节。此外，数据集在1.0.5版本中进行了改进，如增加了新的指令和chatbot_goal，并添加了120个经过人工审查的负面数据。

原始信息汇总

数据集概述

名称: wenigpt-agent-sft-1.0.5

语言: 葡萄牙语（巴西）

目的: 用于训练监督式微调（SFT）模型，专注于葡萄牙语巴西地区的问答（QA）任务，特别关注代理个性偏好的变化、特定提示指令的使用以及智能代理的具体目标设定。

数据集特征

• id: 整数类型
• external_id: 整数类型，原始数据集的原始ID
• name: 字符串类型，模型使用的名称
• occupation: 字符串类型，提供给模型的职业或专业信息，以个性化回复
• adjective: 字符串类型，提供给模型的形容词，以遵循特定个性
• chatbot_goal: 字符串类型，代理的具体目标，具有大小和词汇熵的变化
• instructions: 序列字符串类型，提供给代理的特定指令，以塑造回复
• content: 字符串类型，语义搜索可访问的完整上下文
• chunks_small: 列表类型，包含字符串类型的内容和浮点数类型的分数，通过语义搜索提取的上下文部分
• chunks_big: 列表类型，包含字符串类型的内容和浮点数类型的分数，通过语义搜索提取的上下文部分
• data_category: 整数类型，数据类别，包括正面的、负面的和敏感的
• question: 字符串类型，向模型提出的问题
• answer: 字符串类型，根据chunk_big内容提供的最终答案

数据集版本更新

• 1.0.5版本改进:
  • instructions: 根据日志研究新增指令，改进了大小、词汇熵和节奏流畅性的多样性
  • chatbot_goal: 新增chatbot_goal列，改进了大小和词汇熵分布，接近模型使用日志中的相应指数
  • answer: 与新指令和chatbot_goal对齐的新生成答案

数据集使用

• 应用: 适用于训练语言模型，用于QA任务，具有不同个性和目标，确保用户上下文下的适当和适应性回复。可用于虚拟助手、客户服务聊天机器人等多种应用。