英文日常对话与指令跟随SFT混合集

地理空间
0 下载
2 浏览
2026-09-27

数据集简介

数据构成与混合比例

该数据集是一个英文 SFT 混合集,总计约 29,194 段对话。内容由两部分组成:一是真实人类书写的日常对话,二是公开的指令跟随语料,两者按约 55/45 的比例组合,兼顾自然口语表达与任务指令理解。

过滤与风格控制

每段对话都经过过滤处理,以去除助手风格的措辞。这一处理让语料在语气和表达上更接近真实人类交流,减少模板化、客服式的回复痕迹,适合用于训练更自然、口语化的对话模型。

字段结构与标签

数据以 JSON 格式组织,每条记录包含以下字段:

  • id:对话标识
  • source:来源标记
  • kind:对话类型
  • register:语体标签
  • persona:人设信息
  • messages:多轮消息,按 role / content 组织
  • isConversational:是否为对话式样本

数据集标签覆盖 dialogue、everyday-conversation、instruction-following、multi-turn、chat,可用于多轮对话生成、指令跟随与聊天风格建模等任务。

文件与版本

数据以 json 格式提供,页面标注规模区间为 10K–100K,实际收录约 29,194 段对话。数据集页面提供 Data Studio 预览、Files and versions 文件列表与 Community 讨论区,用户可在 HuggingFace 数据集页面免费下载全部文件。

许可与引用

数据集采用 License: other 许可,公开可免费下载。发布页面为 HuggingFace 上的 yukiii02/humanchat-sft-v2,发布日期为 2026-09-27。

基本信息

记录数量未知
文件大小未知
文件格式JSON
数据来源yukiii02
语言英语
任务类型文本生成
对话规模29,194 段
许可other
数据落地页https://huggingface.co/datasets/yukiii02/humanchat-sft-v2
发布日期2026-09-27
多轮对话指令跟随监督微调英文语料日常对话

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