百万级ChatGPT对话曝光！AI竟然经常被"调戏"？

近年来，随着ChatGPT、Claude等大型对话模型相继问世，它们已经开始为数以百万计的用户提供服务。这些强大的AI助手可以与人进行流畅的多轮对话，完成写作、编程、分析等各种任务，展现出广阔的应用前景。

---

然而目前公开的人机对话数据集大多由专家根据特定场景设计生成，与真实用户的自然交互存在差异，导致研究者难以深入了解用户与AI助手的实际交互模式。

最近，艾伦人工智能研究所发布了WildChat数据集，包含100万个真实用户与ChatGPT的对话。研究发现，WildChat涵盖编程、创意写作、数学等多样化主题，支持68种语言，并且用户提问和模型回复的平均长度超过现有数据集。值得关注的是，其中超10%对话涉及不当言论，为研究AI应对恶意输入提供了样本。此外，在WildChat上微调语言模型，可显著提升模型的多轮对话能力。

WildChat为对话AI研究提供了真实而丰富的数据。相信基于该数据集的进一步研究，将有助于打造更智能、安全、贴近用户的AI对话系统，推动人机交互技术发展。

论文标题：WildChat: 1M ChatGPT Interaction Logs in the Wild

论文链接：
https://arxiv.org/pdf/2405.01470

WildChat：对话AI研究的”游戏规则改变者”

不按套路出牌：野生数据打破AI对话固有模式
传统的人机对话数据集，如Alpaca、Dolly等，主要由专家根据特定场景设计问答对生成。这类数据虽然质量较高，但与真实用户的自然交互存在差距。用户在实际使用中的提问方式、语言风格、关注点往往更加多样化，而且对话往往是多轮互动，而非简单的一问一答。
WildChat的出现为对话AI研究带来了新的突破。这个数据集包含了100万个由真实用户与ChatGPT的多轮对话，总token数超过8亿，是目前最大的公开人机对话数据集之一。更重要的是，这些对话都是用户在实际使用中自然产生的，涵盖了编程、写作、数学、角色扮演等…

… (以下省略，原文内容过长，请完整阅读原文)

文章来源：夕小瑶科技说
作者 | Richard

图片来源：由GPTNB生成

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。