数据集 / OpenAssistant / oasst2

OpenAssistant / oasst2

众包多语言助手指令对话集，含质量评分与毒性检测

HF 源仓库 ↗本站资料更新 2026-06-21

关键规格

作者
OpenAssistant
规模
13.5万行 · 1.7 GB
模态
文本
授权
apache-2.0 · 许可标注允许商用
语种
已标注 35 种
查看全部 35 种
  • en
  • es
  • ru
  • de
  • pl
  • th
  • vi
  • sv
  • bn
  • da
  • he
  • it
  • fa
  • sk
  • id
  • nb
  • el
  • nl
  • hu
  • eu
  • zh
  • eo
  • ja
  • ca
  • cs
  • bg
  • fi
  • pt
  • tr
  • ro
  • ar
  • uk
  • gl
  • fr
  • ko
中文
含中文
HF 热度7,003 下载 · 292 收藏观测于 2026-06-21
源仓库更新2024-01-11

仓库许可不等于数据内容权利已全部清理，商用仍需核对数据来源、隐私与版权条款。

编辑部补充

为什么值得关注

作为开源社区活跃维护的多语言对齐数据集，适合快速验证模型指令跟随能力及多语言泛化性

主要亮点

  • 涵盖35种语言，包含完整对话树结构与角色标记
  • 每条消息附带人工质量标签、毒性评分及emoji反馈
  • 基于Apache-2.0许可，可直接用于商用模型微调或评测

数据质量

  • 原始数据未明确提供去重处理，重复或近似消息可能影响评测公平性
  • 质量标签（quality）为单一维度的0-1分，无法覆盖更细粒度的意图/风格差异
  • 毒性检测基于Detoxify模型输出，非人工校验，可能存在误标或偏见
  • 语言分布极不均衡（英语占主体），多语言场景需注意采样偏差

限制与取舍

  • 训练集仅约12.8万条样本，体量中等，对大规模预训练支撑有限
  • 众包标注存在噪声，尤其是低资源语言的质量标签稀疏
  • 部分对话为合成数据（synthetic字段标记），需自行过滤或验证

编辑部依据

  1. OpenAssistant/oasst2 - 鲸智社区·大模型公共服务平台 ↗aihub.caict.ac.cn
  2. OpenAssistant/oasst2 · Datasets at Hugging Face ↗huggingface.co
  3. OASST2 - AaaS Knowledge Index | The AI Ecosystem Database ↗aaas.blog

采用判断

项目资料与外部反馈 · 2 个来源 · 核验于 2026-07-23

项目已宣告完成并停止维护，数据集采用嵌套树结构，与 HF datasets 的表格范式不匹配，直接加载有额外工程成本。[1][2]

采用前注意

  • 项目已宣告完成，不再继续维护和更新。[1]
  • 数据集采用嵌套对话树结构，与 HuggingFace datasets 默认的表格格式不匹配，加载和处理不便。[2]

本段综合依据

  1. GitHub - LAION-AI/Open-Assistant: OpenAssistant is a chat-based assistant that understands tasks, can interact with third-party systems, and retrieve information dynamically to do so. · GitHub ↗github.com
  2. OpenAssistant/oasst2 · Datasets at Hugging Face ↗huggingface.co

相关数据集

正式取代关系

历史记录

1 次历史卡片 · 2026-06-21