betteruncensored/ultrachat

UltraChat是一个开源的大规模多轮对话数据集，通过Turbo API生成。考虑到隐私保护等因素，未直接使用互联网上的数据作为提示。为确保生成质量，采用了两个独立的ChatGPT Turbo API，一个生成查询，另一个生成响应。数据集分为三个部分：关于世界的问题、写作与创作、以及对现有材料的辅助。每个数据条目都是一个包含对话数据的JSON字典。

原始信息汇总

数据集概述

基本信息

• 许可证: MIT
• 任务类别:
  • 文本生成
  • 其他
• 语言: 英语
• 数据集大小: 1M<n<10M
• 美观名称: UltraChat Better Uncensored

数据集描述

• 处理流程: UltraChat数据集经过Better Uncensored处理，约40%样本在处理过程中被移除。
• 数据来源: 数据集不直接使用互联网上的任何数据作为提示，以保护隐私。
• 生成方法: 使用两个独立的ChatGPT Turbo API进行对话生成，一个模拟用户生成查询，另一个生成响应。
• 数据集构成:
  • 世界问题: 涵盖广泛的主题，如科技、艺术、创业等。
  • 写作与创作: 包括从电子邮件撰写到叙事和剧本创作等任务。
  • 现有材料协助: 基于现有材料，包括重写、续写、总结和推理等。

数据集结构

• 文件格式: 每个下载的数据文件中的每一行是一个包含数据ID和对话数据的JSON字典。
• 示例内容: 包含对话的多个回合，每个回合作为列表中的一个元素。

引用信息

bibtex @misc{UltraChat, author = {Ding, Ning and Chen, Yulin and Xu, Bokai and Hu, Shengding and Qin, Yujia and Liu, Zhiyuan and Sun, Maosong and Zhou, Bowen}, title = {UltraChat: A Large-scale Auto-generated Multi-round Dialogue Data}, year = {2023}, publisher = {GitHub}, journal = {GitHub repository}, howpublished = {url{https://github.com/thunlp/ultrachat}}, }