Samantha_sft
收藏资源简介：
CAMEL Physics 数据集是 CAMEL 项目的一部分，旨在探索大规模语言模型社会的交流代理。该数据集包含 20,000 个由 GPT-4 生成的问题-解决方案对，涵盖 25 个物理主题，每个主题下又分为 25 个子主题，每个“主题-子主题”组合包含 32 个问题。数据集中的每个样本包含以下字段：`role_1`（助理角色）、`topic`（物理主题）、`sub_topic`（物理子主题）、`message_1`（助理被要求解决的问题）和 `message_2`（助理提供的解决方案）。该数据集主要用于文本生成任务，适用于指令微调等研究场景。需要注意的是，由于数据是通过 GPT-4 人工生成的，可能存在不准确的信息，因此仅限研究使用。
CAMEL Physics Dataset is part of the CAMEL project, which aims to explore communicative agents within large-scale language model societies. This dataset consists of 20,000 question-solution pairs generated by GPT-4, spanning 25 physics topics, each further subdivided into 25 sub-topics, with 32 questions per "topic-subtopic" pair. Each sample in the dataset contains the following fields: `role_1` (assistant role), `topic` (physics topic), `sub_topic` (physics subtopic), `message_1` (the problem assigned to the assistant for solving), and `message_2` (the solution provided by the assistant). This dataset is mainly intended for text generation tasks and is suitable for research scenarios such as instruction tuning. It should be noted that since the data was artificially generated using GPT-4, there may be inaccuracies, so it is for research use only.
数据集概述
基本信息
- 数据集名称: CAMEL Physics
- 数据集地址: https://huggingface.co/datasets/pzanna/Samantha_sft
- 许可协议: CC BY-NC 4.0
- 主要语言: 英语
- 相关论文: https://arxiv.org/abs/2303.17760
- GitHub仓库: https://github.com/lightaime/camel
- 项目网站: https://www.camel-ai.org/
数据集简介
该数据集是CAMEL项目的一部分，专注于物理学领域。数据集包含20,000个问题-解决方案对，这些数据由GPT-4生成。数据覆盖了25个物理学主题，每个主题下包含25个子主题，每个“主题-子主题”组合下生成了32个问题。
数据内容与结构
数据文件为 physics.zip。其包含的数据字段如下：
role_1: 助手角色topic: 物理学主题sub_topic: 属于该主题的物理学子主题message_1: 助手被要求解决的问题message_2: 助手提供的解决方案
使用方式
可通过以下Python代码下载数据： python from huggingface_hub import hf_hub_download hf_hub_download(repo_id="camel-ai/physics", repo_type="dataset", filename="physics.zip", local_dir="datasets/", local_dir_use_symlinks=False)
重要声明
此数据由GPT-4合成生成，可能包含不准确的信息。该数据集仅供研究使用。使用者需承诺仅将数据用于研究目的，并遵守数据集的使用条款和条件。
引用
如需引用，请使用以下BibTeX条目：
@misc{li2023camel, title={CAMEL: Communicative Agents for "Mind" Exploration of Large Scale Language Model Society}, author={Guohao Li and Hasan Abed Al Kader Hammoud and Hani Itani and Dmitrii Khizbullin and Bernard Ghanem}, year={2023}, eprint={2303.17760}, archivePrefix={arXiv}, primaryClass={cs.AI} }
