欢迎贡献优质中文对话数据集

[CrazyBoyM]

众所周知，优质中文对话模型的实现离不开好的数据集，但这些好的数据一般只在各个厂商手里掌握，最多只开源出模型文件本体，重要且核心的数据集还是拿不到，因此开帖在此，希望大家来集思广益！
有好的数据集建议或者值得翻译的数据（最好的1v1对话形态的），包括工具调用、agent能力的数据集，欢迎留言在评论区

另外也欢迎大家能来加入交流社群。

[pensacola1989]

如果用chatGPT做一些数据，效果会好么？

[qwas982]

用大模型生成数据集呀,
就像meta用llama2生成数据集用来训练llama3一样, 不过他们开发了一种生成数据的流水线程序, 这样就能自动生成了, 难怪得到15T这么巨大的数据集语料.
优质的数据集+如果是MoE模型, 那智能程度岂不翻倍了.

[qwas982]

不过还有一种是即时训练,区别于预训练,
这样的话, 当人跟大模型交流的时候, 你的提示字就是源源不断的训练数据集,
再加上让大模型自动生成的数据集,
这样岂不就能获得海量的高质量数据集了吗,

我觉得实现AGI应该就在1年左右, 或几个月内了.