Englishman2022/prosocial-dialog-filtered

ProsocialDialogFiltered是ProsocialDialog数据集的过滤版本，旨在通过过滤掉特定标签的行来减少语言模型对用户的拒绝，以创建更开放和更好的模型。该数据集包含多个过滤后的版本，如train_no_casual、train_no_possibly、train_no_probably和最终的train数据集。ProsocialDialog是一个大规模的多轮英语对话数据集，用于教导对话代理如何回应有问题的内容。数据集可能的缺点包括一些结束消息被截断的问题。

原始信息汇总

数据集概述

基本信息

• 名称: ProsocialDialogFiltered
• 许可证: cc-by-4.0
• 语言: 英语
• 创建方式: 众包 + 机器生成
• 多语言性: 单语种
• 大小: 10K<n<100K

任务类别

• 对话生成
• 多类分类

数据集描述

ProsocialDialogFiltered 是 ProsocialDialog 数据集的一个过滤版本，旨在减少语言模型对用户的拒绝，以创建更好的、更开放的模型。

数据集版本

• train_no_casual: 过滤掉标签为 "casual" 的行。
• train_no_possibly: 过滤掉标签为 "possibly needs caution" 的行。
• train_no_probably: 过滤掉标签为 "probably needs caution" 的行，仅保留 "needs caution" 和 "needs intervention"。
• 最终训练集: 过滤掉包含多个短语如 "You should not" 和 "you should refrain from" 的行。

数据集用途

用于教授对话代理如何响应问题内容，是一个大规模的多轮英语对话数据集。

注意事项

• 部分结束消息被截断，仅在依赖 episode_done 指示器时需关注。

引用信息

@inproceedings{kim2022prosocialdialog, title={ProsocialDialog: A Prosocial Backbone for Conversational Agents}, author={Hyunwoo Kim and Youngjae Yu and Liwei Jiang and Ximing Lu and Daniel Khashabi and Gunhee Kim and Yejin Choi and Maarten Sap}, booktitle={EMNLP}, year=2022 }