论文与引用

找到原始论文与数据来源

数据集和可视化工具分别对应 WildChat 与 WildVis 两篇论文。

引用时请使用原始英文论文标题和完整作者列表。对话数据从数据集仓库获取；下面的导出文件用于阅读与引用研究文献。

对话数据集 · ICLR 2024

WildChat: 1M ChatGPT Interaction Logs in the Wild

Wenting Zhao, Xiang Ren, Jack Hessel, Claire Cardie, Yejin Choi, Yuntian Deng

WildChat 提供经用户同意采集的、与 GPT-3.5 和 GPT-4 的多语言、多轮对话，并结合时间戳和元数据研究不同时间与地点的使用情况。论文分析语言与提示的多样性、有害内容和越狱，并通过 WildLlama 展示指令微调。

论文报告 68 种语言各自包含超过 100 条用户提示，并使用 Llama-2 7B 展示指令微调。阅读方法与结果。

首个 arXiv 版本：2024-05-02。该日期在 ICLR 投稿和初始数据发布之后。版本历史。

检索与可视化工具 · EMNLP 2024 System Demonstrations

Yuntian Deng, Wenting Zhao, Jack Hessel, Xiang Ren, Claire Cardie, Yejin Choi

WildVis 为 WildChat 和 LMSYS-Chat-1M 提供对话检索、过滤和嵌入空间可视化，把具体对话与大规模主题分布联系起来。WildVisualizer 是代码仓库名，在线工具位于 wildvisualizer.com。

论文的跨数据集比较在 WildChat 中识别出 Midjourney 提示生成簇，在 LMSYS-Chat-1M 中识别出化学主题簇。阅读方法与结果。

首个 arXiv 版本：2024-09-05。版本历史。

完整研究列表（英文）按用户行为、隐私、安全、训练、评测、信息获取与语言文化等主题整理后续研究，并注明使用的数据和来源。