同提示词多模型段落文本识别数据集

计算机视觉
0 下载
2 浏览
2026-10-18

数据集简介

同提示词段落与 12 个模型标签

本数据集为 Name That LLM 竞赛提供额外的训练与验证数据,核心设计是「同提示词、多作者」:每个提示词由 Kaggle Benchmarks 模型代理可访问的 12 个模型标签各回答一次,因此同一提示词下主题固定,只有作者(模型)不同。任务类型包括文本分类与文本生成,即根据文本判断由哪个模型所写。全部内容通过 Kaggle 免费 AI 配额生成,可复现或扩展。

数据内容与文件构成

数据集包含以下文件:

  • passages.csv:段落主表,共 1,002 行,记录每条段落的提示词、模型标签、生成参数与质量标记;
  • prompts.csv:提示词表,共 122 行,给出主题、领域、任务类型、风格与口述开头等线索;
  • raw_responses.jsonl:原始响应记录,共 1,695 条;
  • task_code/:任务生成与收集代码(Python)。

数据集整体约 828,613 字节(约 0.8 MB),另有版本记录为 3,368,481 字节。12 个模型标签中,77 个提示词具备全部 12 个标签的完整区块。

通过检查的段落分布

passages.csv 中的 passage_ok 字段标记段落是否通过质量检查;served_matches 表示实际服务模型与请求模型是否一致;n_paragraphs、has_markdown、has_em_dash 等字段用于描述段落形态。按标签统计通过检查的段落数量,可据此评估各模型标签的可用样本量。

生成方式

数据由 Kaggle 用户 haileycheng(显示名 fish enjoyer)使用 Kaggle Benchmarks Model Proxy 生成:对每个提示词,向 12 个模型标签各发起一次请求,记录请求模型(model_requested)与实际服务模型(model_served)的代理 ID,并保存原始响应、令牌用量、费用与耗时等元数据。

passages.csv 的字段说明

passages.csv 包含以下列:

字段 说明
passage_id 段落唯一标识
prompt_id 所属提示词标识
label 竞赛标签(模型标签)
model_requested / model_served 请求模型与实际服务模型的代理 ID
setting 生成设置
target_words / n_words 目标词数与实际词数
text 段落正文
finish_reason 结束原因
prompt_tokens / completion_tokens / reasoning_tokens 令牌用量
cost_usd / seconds 费用与耗时
response_id 响应标识
run_start 运行开始时间
task_version 任务版本
served_matches 服务模型是否与请求一致
n_paragraphs / has_markdown / has_em_dash 段落数量与形态标记
passage_ok 段落是否通过检查
domain / task_type 领域与任务类型

prompts.csv 的列线索包括主题、领域、任务类型、风格与口述开头。

与竞赛数据的接近程度

该数据集与竞赛数据共享「同提示词、多模型」的结构,可用于补充训练与验证;但由于全部通过 Kaggle 免费 AI 配额生成,模型标签与竞赛正式标签的对应关系需结合 label 字段核对。

快速开始

可直接下载 passages.csv 与 prompts.csv,按 prompt_id 关联后以 label 为分类目标训练文本分类模型;raw_responses.jsonl 可用于复现生成过程,task_code/ 提供任务生成与收集代码。

许可

数据集采用 CC BY 4.0(Attribution 4.0 International)许可,可在 Kaggle 页面下载。文本为机器生成,上游提供方输出条款未公开,因此许可为尽力而为。

基本信息

记录数量约 828,613 字节(约 0.8 MB),另有版本记录为 3,368,481 字节
文件大小约 828,613 字节(约 0.8 MB),另有版本记录为 3,368,481 字节
文件格式CSV、JSONL、Python
数据来源Kaggle 用户 haileycheng(显示名 fish enjoyer)
许可协议CC BY 4.0
模型标签数12
passages.csv 行数1,002
prompts.csv 行数122
raw_responses.jsonl 条数1,695
数据落地页https://www.kaggle.com/datasets/haileycheng/name-that-llm-same-prompt-passages
发布日期2026-10-18
大语言模型文本分类写作风格识别同提示词段落Kaggle

上架信息

数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载

价格

免费