UBC Deep Learning & NLP Lab 发布 DetoxLLM 数据集, 应用在 文本生成、去毒化 领域

UBC Deep Learning & NLP Lab 本次发布的数据集 DetoxLLM, DetoxLLM数据集是一个用于文本生成任务中去毒化的数据集。它包含多个特征，如data_id、toxic、non_toxic、explanation、platform和source_label。数据集分为训练集、验证集和测试集，分别包含7453、2041和955个样本。数据集的创建使用了ChatGPT生成跨平台的伪并行去毒化数据。其目的是帮助研究人员构建一个端到端的去毒化框架，并作为一个有前景的基线来开发更强大和有效的去毒化框架。然而，数据集也存在一些局限性，如数据生成过程依赖于ChatGPT，数据质量可能存在问题，模型响应可能不完全保留原意，以及潜在的伦理风险和偏见。

查看DetoxLLM

Dataset card 内容： 

Files and versions 内容： 

关于 UBC Deep Learning & NLP Lab , UBC Deep Learning & NLP Lab是加拿大英属哥伦比亚大学（UBC）的一个研究实验室，专注于深度学习和自然语言处理（NLP）领域的研究与创新。

关于 HuggingFace , Hugging Face是一个机器学习社区协作平台，专注于模型、数据集和应用程序的创建、发现和协作。该平台支持多种数据类型，包括文本、图像、视频、音频和3D数据，并提供开源工具和付费计算及企业解决方案。