数据开源 | Magic Data开源基于ChatGPT的可扩展的对话数据集

news2025/1/16 2:42:17

在过去的一月里，人工智能领域中最火的话题莫过"ChatGPT"。ChatGPT是OpenAI于11月30日发布最新作品聊天机器人，开放公众免费测试。聊天机器人是一种软件应用程序，根据用户的提问做出回应、模仿人类的对话方式。目前，ChatGPT的用户量已经超过一百万。它既能完成包括写代码，修bug（代码改错），翻译文献，写小说，写商业文案，创作菜谱，做作业，评价作业等一系列常见文字输出型任务，而且在和用户对话时，能记住对话的上下文，反应非常逼真。连马斯克都在推特上称赞道，“ChatGPT真是惊人的好。我们离危险的强大人工智能不远了”：

甚至有人传言下一代GPT4可能可以取代Google、百度等传统搜索引擎。让世界科技大佬都称赞的ChatGPT，到底是如何对答如流的呢？

ChatGPT技术框架

据OpenAI报道，ChatGPT模型是“从人类反馈中强化学习”(RLHF)的机器学习技术训练的。RLHF可以模拟对话，回答衍生问题，承认错误，质疑不正确的前提，并且拒绝不适当的请求。其底层结构仍然是基于自我注意力机制（self-attention）的transformer模型。该模型能够同时并行进行数据计算和模型训练，训练时长更短，并且训练得出的模型可用语法解释，也就是模型具有可解释性。

与所有大数据模型一样，ChatGPT同样也是经过“预训练+微调”的过程，但是OpenAI这次在数据收集上设置上有了细微的差别。结合人类反馈信息来训练语言模型使其能理解指令，也就是模型训练中加入了人类的评价和反馈数据，而不仅仅是事先准备好的数据集。通过公测形式可以积累大量用户反馈数据继续优化ChatGPT的性能。引入“人工标注数据+强化学习“来不断Fine-tune预训练语言模型，主要目的是让LLM模型学会理解人类的命令指令的含义，其训练步骤分为三部：

第一阶段：首先会从测试用户提交的prompt(就是指令或问题)中随机抽取一批，靠专业的标注人员，给出指定prompt的高质量答案，然后用这些人工标注好的数据来Fine-tune GPT 3.5模型。第二阶段：通过人工标注训练数据，来训练回报模型。第三阶段：采用强化学习来增强预训练模型的能力。基于上述算法和训练技巧，相对以往的人机对话模型来说，ChatGPT可以非常好地模拟人类的聊天行为，理解能力和交互性表现也更强，并能精准地回答用户提问，将大幅提升用户使用体验。

智能 or 智障

尽管ChatGPT对大部分问答回复的都非常完美，但是，ChatGPT本质上和传统的聊天机器人并没有分别——它并不理解自己所说的话，有时回答内容还是会犯一些低级错误。一段“网友调教这只AI”的聊天记录，让人不禁质疑AI是否真的鄙人聪明，对于27是质数与否为题回答有误，也表明了人工智能“智障”的一面。

Magic Data 数据开源

ChatGPT的智能是以大量对话数据的训练为基石，“智障”是由于数据不完备造成。据统计，从ChatGPT进化到ChatGPT-3的过程相当烧数据—参数量从1.17亿增加到1750亿，预训练数据量从5GB增加到45TB。尽管如此吃数据，仍没成长为全面人工智人。可见需要源源不断的真实场景数据的训练，才会让ChatGPT越来越好。

但是对话数据的采集成本较高，需要专业的数据公司团队采集、清洗、标注。作为全球领先AI数据解决方案提供商，Magic Data的对话式AI数据集可以为类似ChatGPT的大模型提供各类垂直场景下的对话语料，帮助机器学习模型性能定向调优，拓展其特定场景下的对话式AI交互能力。

Magic Data旗下MagicHub数据开源社区已开源部分基于ChatGPT的可扩展的对话数据集，包括：

教育客服文本数据集

样例：