agie-ai/lmsys-chatbot_arena_conversations

---
dataset_info:
features:
- name: question_id
dtype: string
- name: model_a
dtype: string
- name: model_b
dtype: string
- name: winner
dtype: string
- name: judge
dtype: string
- name: conversation_a
list:
- name: content
dtype: string
- name: role
dtype: string
- name: conversation_b
list:
- name: content
dtype: string
- name: role
dtype: string
- name: turn
dtype: int64
- name: anony
dtype: bool
- name: language
dtype: string
- name: tstamp
dtype: float64
- name: openai_moderation
struct:
- name: categories
struct:
- name: harassment
dtype: bool
- name: harassment/threatening
dtype: bool
- name: hate
dtype: bool
- name: hate/threatening
dtype: bool
- name: self-harm
dtype: bool
- name: self-harm/instructions
dtype: bool
- name: self-harm/intent
dtype: bool
- name: sexual
dtype: bool
- name: sexual/minors
dtype: bool
- name: violence
dtype: bool
- name: violence/graphic
dtype: bool
- name: category_scores
struct:
- name: harassment
dtype: float64
- name: harassment/threatening
dtype: float64
- name: hate
dtype: float64
- name: hate/threatening
dtype: float64
- name: self-harm
dtype: float64
- name: self-harm/instructions
dtype: float64
- name: self-harm/intent
dtype: float64
- name: sexual
dtype: float64
- name: sexual/minors
dtype: float64
- name: violence
dtype: float64
- name: violence/graphic
dtype: float64
- name: flagged
dtype: bool
- name: toxic_chat_tag
struct:
- name: roberta-large
struct:
- name: flagged
dtype: bool
- name: probability
dtype: float64
- name: t5-large
struct:
- name: flagged
dtype: bool
- name: score
dtype: float64
splits:
- name: train
num_bytes: 81159839
num_examples: 33000
download_size: 41572997
dataset_size: 81159839
---
# Dataset Card for "lmsys-chatbot_arena_conversations"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征项：
- 字段名：question_id（问题ID），数据类型：字符串（string）
- 字段名：model_a（模型A），数据类型：字符串（string）
- 字段名：model_b（模型B），数据类型：字符串（string）
- 字段名：winner（获胜方），数据类型：字符串（string）
- 字段名：judge（评判者），数据类型：字符串（string）
- 字段名：conversation_a（对话A），数据类型：列表（list），列表元素包含：
- 字段名：content（内容），数据类型：字符串（string）
- 字段名：role（角色），数据类型：字符串（string）
- 字段名：conversation_b（对话B），数据类型：列表（list），列表元素包含：
- 字段名：content（内容），数据类型：字符串（string）
- 字段名：role（角色），数据类型：字符串（string）
- 字段名：turn（对话轮次），数据类型：64位整数（int64）
- 字段名：anony（匿名性），数据类型：布尔值（bool）
- 字段名：language（语言），数据类型：字符串（string）
- 字段名：tstamp（时间戳），数据类型：64位浮点数（float64）
- 字段名：openai_moderation（OpenAI审核），数据类型：结构体（struct），结构体包含：
- 字段名：categories（分类结果），数据类型：结构体（struct），结构体包含：
- 字段名：harassment（骚扰），数据类型：布尔值（bool）
- 字段名：harassment/threatening（骚扰/威胁），数据类型：布尔值（bool）
- 字段名：hate（仇恨言论），数据类型：布尔值（bool）
- 字段名：hate/threatening（仇恨/威胁），数据类型：布尔值（bool）
- 字段名：self-harm（自残），数据类型：布尔值（bool）
- 字段名：self-harm/instructions（自残指导），数据类型：布尔值（bool）
- 字段名：self-harm/intent（自残意图），数据类型：布尔值（bool）
- 字段名：sexual（色情内容），数据类型：布尔值（bool）
- 字段名：sexual/minors（未成年人色情），数据类型：布尔值（bool）
- 字段名：violence（暴力内容），数据类型：布尔值（bool）
- 字段名：violence/graphic（血腥暴力），数据类型：布尔值（bool）
- 字段名：category_scores（分类得分），数据类型：结构体（struct），结构体包含：
- 字段名：harassment（骚扰），数据类型：64位浮点数（float64）
- 字段名：harassment/threatening（骚扰/威胁），数据类型：64位浮点数（float64）
- 字段名：hate（仇恨言论），数据类型：64位浮点数（float64）
- 字段名：hate/threatening（仇恨/威胁），数据类型：64位浮点数（float64）
- 字段名：self-harm（自残），数据类型：64位浮点数（float64）
- 字段名：self-harm/instructions（自残指导），数据类型：64位浮点数（float64）
- 字段名：self-harm/intent（自残意图），数据类型：64位浮点数（float64）
- 字段名：sexual（色情内容），数据类型：64位浮点数（float64）
- 字段名：sexual/minors（未成年人色情），数据类型：64位浮点数（float64）
- 字段名：violence（暴力内容），数据类型：64位浮点数（float64）
- 字段名：violence/graphic（血腥暴力），数据类型：64位浮点数（float64）
- 字段名：flagged（标记状态），数据类型：布尔值（bool）
- 字段名：toxic_chat_tag（恶意对话标记），数据类型：结构体（struct），结构体包含：
- 字段名：roberta-large，数据类型：结构体（struct），结构体包含：
- 字段名：flagged（标记状态），数据类型：布尔值（bool）
- 字段名：probability（概率值），数据类型：64位浮点数（float64）
- 字段名：t5-large，数据类型：结构体（struct），结构体包含：
- 字段名：flagged（标记状态），数据类型：布尔值（bool）
- 字段名：score（得分），数据类型：64位浮点数（float64）
数据集划分：
- 划分名称：train（训练集），占用字节数：81159839，样本数量：33000
下载大小：41572997
数据集总大小：81159839

# "lmsys-chatbot_arena_conversations" 数据集卡片
[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

lmsys-chatbot_arena_conversations

数据集特征

• question_id: 字符串类型
• model_a: 字符串类型
• model_b: 字符串类型
• winner: 字符串类型
• judge: 字符串类型
• conversation_a: 列表类型，包含以下字段：
  • content: 字符串类型
  • role: 字符串类型
• conversation_b: 列表类型，包含以下字段：
  • content: 字符串类型
  • role: 字符串类型
• turn: 整数类型
• anony: 布尔类型
• language: 字符串类型
• tstamp: 浮点数类型
• openai_moderation: 结构体类型，包含以下字段：
  • categories: 结构体类型，包含多个布尔类型的子字段，如harassment, harassment/threatening等
  • category_scores: 结构体类型，包含多个浮点数类型的子字段，如harassment, harassment/threatening等
  • flagged: 布尔类型
• toxic_chat_tag: 结构体类型，包含以下字段：
  • roberta-large: 结构体类型，包含flagged（布尔类型）和probability（浮点数类型）
  • t5-large: 结构体类型，包含flagged（布尔类型）和score（浮点数类型）

数据集分割

• train: 数据量81159839字节，包含33000个样本

数据集大小

• 下载大小: 41572997字节
• 数据集大小: 81159839字节

搜集汇总

背景与挑战

背景概述

该数据集是一个包含33,000条聊天机器人竞技场对话记录的数据集，记录了多种AI模型的对话表现和用户投票结果。数据集特点包括对话的多样性、模型比较的匿名性以及对话内容的毒性检测标签。