COIG-CQIA

COIG-CQIA是一个开源的高质量中文指令微调数据集，致力于为中文NLP社区提供符合人类交互行为的数据。它主要包含从中文互联网上获取的问答及文章，经过清洗、重构和人工审核。该数据集包含社交媒体、论坛、通用百科、通用NLP任务、考试试题、人类价值观、中国传统文化、金融经管和医疗等多个领域的数据，总量在1万到10万之间。数据格式为JSON，包含指令、输入、输出、任务类型、领域、回答来源、人工核验和版权信息等字段，适用于指令微调任务，旨在训练模型具备响应指令的能力。