kevinpro/WildChat-1M-GPT4-1Turn

该数据集包含对话的元数据和内容，特征包括对话哈希、模型、时间戳、对话内容、语言、国家、IP地址哈希、用户代理信息等。数据集还包含OpenAI和Detoxify的审核结果，涉及多种有害内容的分类和评分。数据集的分割为训练集，包含120,575个样本，总大小为1,366,650,286.3240173字节。

原始信息汇总

数据集概述

数据集特征

基本特征

• conversation_hash: 数据类型 - string
• model: 数据类型 - string
• timestamp: 数据类型 - timestamp[us, tz=UTC]
• turn: 数据类型 - int64
• language: 数据类型 - string
• openai_moderation: 数据类型 - list
  • categories: 数据类型 - struct
    • 包含多个子特征，如harassment, hate, self-harm, sexual, violence等，数据类型均为bool
  • category_scores: 数据类型 - struct
    • 包含多个子特征，如harassment, hate, self-harm, sexual, violence等，数据类型均为float64
  • flagged: 数据类型 - bool
• detoxify_moderation: 数据类型 - list
  • 包含多个子特征，如identity_attack, insult, obscene, severe_toxicity, sexual_explicit, threat, toxicity等，数据类型均为float64
• toxic: 数据类型 - bool
• redacted: 数据类型 - bool
• state: 数据类型 - string
• country: 数据类型 - string
• hashed_ip: 数据类型 - string
• header: 数据类型 - struct
  • accept-language: 数据类型 - string
  • user-agent: 数据类型 - string

对话特征

• conversation: 数据类型 - list
  • content: 数据类型 - string
  • country: 数据类型 - string
  • hashed_ip: 数据类型 - string
  • header: 数据类型 - struct
    • accept-language: 数据类型 - string
    • user-agent: 数据类型 - string
  • language: 数据类型 - string
  • redacted: 数据类型 - bool
  • role: 数据类型 - string
  • state: 数据类型 - string
  • timestamp: 数据类型 - timestamp[us, tz=UTC]
  • toxic: 数据类型 - bool
  • turn_identifier: 数据类型 - int64

数据集划分

• train:
  • 数据大小: 1366650286.3240173 bytes
  • 示例数量: 120575

数据集大小

• 下载大小: 291963771 bytes
• 数据集总大小: 1366650286.3240173 bytes