Weni/wenigpt-agent-sft-1.0.4

该数据集是为训练巴西葡萄牙语的监督微调（SFT）模型而创建的，专注于问答（QA）任务。数据集专门用于改变代理的个性化偏好，允许在提示中使用特定指令，并定义智能代理的特定目标。版本1.0.4相较于之前版本有显著改进，包括对所有正类回答进行人工审查，并增加了聊天机器人目标列的变异性。数据集包含多个属性，如外部ID、名称、职业、形容词、聊天机器人目标、指令、内容、小片段、大片段、数据类别、问题和答案。该数据集适用于训练具有不同个性和目标的语言模型，确保回答适应用户的上下文。

原始信息汇总

数据集概述

数据集名称

• 名称: wenigpt-agent-sft-1.0.4

数据集描述

• 目的: 用于监督式微调（SFT）模型的训练，专注于巴西葡萄牙语的问答任务。
• 特点: 专注于变化代理的个性偏好，允许在提示中使用特定指令，并为智能代理定义特定目标。
• 版本改进: 版本1.0.4相较于前一版本有显著改进，包括所有正面回答的人工审查和chatbot目标列的更大变异性。

数据集属性

• id: 整数类型
• external_id: 整数类型，原始数据集的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
• 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，代理的特定目标，具有大小和词汇熵的变化
• instructions: 序列类型，提供给代理的特定指令
• 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
• 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
• data_category: 整数类型，数据类别，包括正面、负面和敏感数据
• question: 字符串类型，对模型的提问
• answer: 字符串类型，根据chunk_big内容回答的问题答案

数据集大小

• 训练集: 743个样本，11310711字节
• 下载大小: 2979552字节
• 数据集总大小: 11310711字节

版本更新

• 人工审查: 所有分类为正面的回答（data_category = 1）都经过了人工审查。
• chatbot目标的变异性: chatbot_goal列已改进，以包含更大的大小变异和更接近实际使用模型的测量。
• 数据添加: 从wenigpt-agent-1.4.0数据集中提取并人工审查的120个负面数据已添加。

应用场景

• 用途: 适用于训练语言模型进行具有不同个性和目标的QA任务，确保适应用户上下文的适当回答。
• 应用: 可用于从虚拟助手到客户服务聊天机器人的多种应用。