Lakera/gandalf_ignore_instructions

该数据集名为gandalf_ignore_instructions，主要包含从Gandalf平台收集的提示注入数据。数据获取过程包括使用OpenAI文本嵌入计算提示与特定短语的相似度，过滤相似度高于0.825的提示，并使用Lakera Guard的个人身份信息检测器过滤可能包含PII数据的提示，最后去除近重复项并采样1000个提示。数据集分为训练集、验证集和测试集，比例为80/10/10。数据集的特征包括text和similarity，分别表示提示文本和与特定短语的相似度。

原始信息汇总

数据集概述

基本信息

• 语言: 英语
• 许可证: MIT
• 数据集大小: 1K<n<10K

数据集结构

特征

• text: 类型为字符串
• similarity: 类型为浮点数 (float64)

分割

• 训练集: 777个样本, 66400字节
• 验证集: 111个样本, 9633字节
• 测试集: 112个样本, 9747字节

文件信息

• 下载大小: 51515字节
• 数据集大小: 85780字节

配置

• 默认配置:
  • 训练集: data/train-*
  • 验证集: data/validation-*
  • 测试集: data/test-*

标签

• prompt injection