Chat Instruct EN
Este conjunto de datos reúne miles de instrucciones y respuestas generadas por los modelos de LLM, en forma de diálogos formateados para capacitar a los agentes conversacionales.
Formato JSONL, varias decenas de miles de intercambios (tamaño ≈ no especificado)
CC BY 4.0
Descripción
Chat Instruct EN es un corpus textual en inglés, que consiste en ejemplos en formato instrucción-respuesta. Agrega varios conjuntos de datos públicos, como Infinity-Instruct y LMSYS-Chat, limpiados y homogeneizados. Cada línea del archivo JSONL contiene una interacción entre el usuario y el modelo, útil para capacitar a los agentes conversacionales o para ajustar los modelos de tareas guiadas por instrucciones.
¿Para qué sirve este conjunto de datos?
- Refina un LLM para seguir mejor las instrucciones específicas (instrucciones de ajuste)
- Crea o entrena chatbots contextuales
- Pruebe las capacidades de respuesta y diálogo de los modelos de IA
¿Se puede enriquecer o mejorar?
Sí Puedes enriquecer este conjunto de datos añadiendo metadatos (tipo de tarea, dificultad, tono), traducciones a otros idiomas o variantes de varios turnos. También se puede segmentar por tipo de mensaje (definición, explicación, tarea práctica) para obtener una formación más específica.
🔎 En resumen
🧠 Recomendado para
- Desarrolladores de chatbots
- Investigadores de LLM
- Probadores de ingeniería rápidos
🔧 Herramientas compatibles
- Hugging Face Transformers
- OpenChatKit
- LangChain
- FastChat
💡 Consejo
Extraiga solo las instrucciones para generar nuevos ejemplos o entrene un modelo para completar el cuadro de diálogo.
Preguntas frecuentes
¿Este conjunto de datos contiene conversaciones de varios turnos?
No, cada entrada corresponde a una sola instrucción seguida de una respuesta, en el formato simple de «usuario/asistente».
¿Podemos filtrar el conjunto de datos según el tipo de tarea?
No directamente, pero el preprocesamiento permite identificar instrucciones como la definición, la generación, la clasificación, etc.
¿El conjunto de datos es multilingüe?
No, todo el contenido se ha filtrado automáticamente para incluir solo ejemplos en inglés.
