ShareGPT91K 对话数据集
自然语言
0 下载
45 浏览
2026-08-21
数据集简介
ShareGPT91K 是一个用于对话模型微调与预训练的高质量文本数据集。它收集了约 52,000 组对话,总计约 90,000 轮,这些对话均来自真实用户与 OpenAI ChatGPT 的交互。数据通过 ShareGPT API 捕获,在 ShareGPT 服务关闭之前完成采集,因此保留了真实世界的用户提示和 ChatGPT 的响应,具有很高的生态效度。
该数据集由 RyokoAI 整理并发布,OpenDataLab 作为数据托管平台提供访问和下载服务。数据采用 CC0 1.0 公有领域许可,用户无需授权即可自由使用、修改和再分发,非常适合学术研究和商业应用。
数据集详情
每条数据记录包含两个核心字段:
- id:对话的唯一标识符,用于区分不同的对话组。
- conversations:对话轮次数组,按顺序存储每一轮的发言。
每一轮对话(conversations 数组中的元素)包含:
- from:发言者角色,取值为
human(用户)或gpt(ChatGPT)。 - value:该轮的消息内容,即用户提示或 ChatGPT 的回复文本。
这种结构清晰简洁,便于直接用于训练序列到序列模型或基于 Transformer 的对话模型。数据以 JSON 格式存储,易于解析和预处理。
数据集文件
数据集总大小约 1.5GB,文件格式为 JSON。由于文件较大,建议使用命令行工具或脚本进行下载和处理。OpenDataLab 平台提供了文件列表和下载入口,用户可以根据需要选择完整下载或部分下载。
CLI/SDK 下载
OpenDataLab 支持通过 CLI(命令行界面)和 SDK(软件开发工具包)方式下载数据集,方便自动化流程和集成到现有工作流中。用户可以在 OpenDataLab 数据集页面获取相应的下载命令和 SDK 使用说明。
基本信息
记录数量未知
文件大小1.5GB
文件格式json
数据来源OpenDataLab
数据规模约52,000组对话,约90,000轮
文件大小1.5GB
许可协议CC0 1.0
数据落地页https://opendatalab.com/OpenDataLab/ShareGPT91K
对话数据集ChatGPT微调预训练ShareGPT自然语言处理
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