ChatGPT-RetrievalQA

ChatGPT-RetrievalQA

使用ChatGPT和人类响应数据训练和评估问答检索模型

提供ChatGPT与人类响应的数据集,以训练和评估问答检索模型。数据集基于HC3公开数据,分析ChatGPT和传统检索模型在回答真实性和可靠性上的差异。项目由阿姆斯特丹大学支持,数据格式兼容MSMarco,便于研究人员使用现有脚本。

ChatGPT信息检索训练数据数据集答案排序Github开源项目

ChatGPT-RetrievalQA: ChatGPT的回复能否作为问答检索模型的训练数据?

论文"Generating Synthetic Documents for Cross-Encoder Re-Rankers: A Comparative Study of ChatGPT and Human Experts"和论文"A Test Collection of Synthetic Documents for Training Rankers: ChatGPT vs. Human Experts"的存储库。一个用于训练和评估问答(QA)检索模型的数据集,通过ChatGPT的回复训练/评估,或在真实人类回复上进行训练/评估。

如果使用此数据集,请使用以下bibtex参考文献:

@InProceedings{askari2023chatgptcikm2023, author = {Askari, Arian and Aliannejadi, Mohammad and Kanoulas, Evangelos and Verberne, Suzan}, titlE = {A Test Collection of Synthetic Documents for Training Rankers: ChatGPT vs. Human Experts}, year = 2023, booktitle = {The 32nd ACM International Conference on Information and Knowledge Management (CIKM 2023)}, } @InProceedings{askari2023genirsigir2023, author = {Askari, Arian and Aliannejadi, Mohammad and Kanoulas, Evangelos and Verberne, Suzan}, title = {Generating Synthetic Documents for Cross-Encoder Re-Rankers: A Comparative Study of ChatGPT and Human Experts}, year = 2023, booktitle = {Generative Information Retrieval workshop at ACM SIGIR 2023}, }

这项工作是在教授Mohammad AliannejadiEvangelos KanoulasSuzan Verberne的监督下完成的,我的访问研究在阿姆斯特丹大学信息检索实验室的期间进行的(IRLab@UvA)。

我们的工作总结

给定一组问题及相应的ChatGPT和人类的回答,我们分别制作了两个集合:一个是ChatGPT,一个是人类。通过这样做,我们从信息检索的角度提供了多个分析机会,评估ChatGPT回复对训练检索模型的有用性。我们为端到端检索和重新排序设置提供了数据集。为了给其他分析提供灵活性,我们将所有文件分别组织为ChatGPT和人类的回复。

为什么在ChatGPT可以生成答案的情况下依赖检索?

虽然ChatGPT是一种强大的语言模型,能够生成令人印象深刻的答案,但其并非没有错误或虚假的信息。此外,ChatGPT生成的信息来源并不透明,通常即使信息正确也没有来源。在法律、医学、科学等专业领域,信任度和责任性至关重要,这会成为更大的问题。与生成模型不同,检索模型从来源中检索实际(真实)信息,搜索引擎提供每个检索项的来源。这就是为什么在即使ChatGPT存在的情况下,信息检索仍然是一个重要的应用,特别是在可靠性至关重要的情况下。

答案排名数据集

该数据集基于公开的HC3数据集,尽管我们的实验 setup 和评估将有所不同。我们将数据分为训练集、验证集和测试集,以便在ChatGPT或人类答案上训练/评估答案检索模型。我们将人类/ChatGPT的实际回复存储为相关答案。对于训练,一组随机回答可用作非相关答案。在我们的主要实验中,我们在ChatGPT的回应上进行训练,并在人的回应上进行评估。我们以类似于MSMarco数据集的格式发布ChatGPT-RetrievalQA数据集,这是一个广受训练检索模型欢迎的数据集。因此,每个人都可以在我们的数据上重新使用他们的MSMarco数据集脚本。

描述文件名文件大小记录数量格式
Collection-H (H: 人类回复)collection_h.tsv38.6 MB58,546tsv: pid, passage
Collection-C (C: ChatGPT回复)collection_c.tsv26.1 MB26,882tsv: pid, passage
Queriesqueries.tsv4 MB24,322tsv: qid, query
Qrels-H Train (人类回复的训练集Qrels)qrels_h_train.tsv724 KB40,406TREC qrels格式
Qrels-H Validation (人类回复的验证集Qrels)qrels_h_valid.tsv29 KB1,460TREC qrels格式
Qrels-H Test (人类回复的测试集Qrels)qrels_h_test.tsv326 KB16,680TREC qrels格式
Qrels-C Train (ChatGPT回复的训练集Qrels)qrels_c_train.tsv339 KB18,452TREC qrels格式
Qrels-C Validation (ChatGPT回复的验证集Qrels)qrels_c_valid.tsv13 KB672TREC qrels格式
Qrels-C Test (ChatGPT回复的测试集Qrels)qrels_c_test.tsv152 KB7,756TREC qrels格式
Queries, Answers, and Relevance Labels (查询,答案和相关性标签)collectionandqueries.zip23.9 MB866,504
Train-H Triples (训练集H三元组)train_h_triples.tsv58.68 GB40,641,772tsv: query, positive passage, negative passage
Validation-H Triple (验证集H三元组)valid_h_triples.tsv2.02 GB1,468,526tsv: query, positive passage, negative passage
Train-H Triples QID PID Format (训练集H三元组QID PID格式)train_h_qidpidtriples.tsv921.7 MB40,641,772tsv: qid, positive pid, negative pid
Validation-H Triples QID PID Format (验证集H三元组QID PID格式)valid_h_qidpidtriples.tsv35.6 MB1,468,526tsv: qid, positive pid, negative pid
Train-C Triples (训练集C三元组)train_c_triples.tsv37.4 GB18,473,122tsv: query, positive passage, negative passage
Validation-C Triple (验证集C三元组)valid_c_triples.tsv1.32 GB672,659tsv: query, positive passage, negative passage
Train-C Triples QID PID Format (训练集C三元组QID PID格式)train_c_qidpidtriples.tsv429.6 MB18,473,122tsv: qid, positive pid, negative pid
Validation-C Triples QID PID Format (验证集C三元组QID PID格式)valid_c_qidpidtriples.tsv16.4 MB672,659tsv: qid, positive pid, negative pid

我们发布了三元组格式的训练和验证数据以便于训练。用于训练ChatGPT回复的三元组文件是:"train_c_triples.tsv" 和 "valid_c_triples.tsv"。此外,我们发布了基于人类回复的三元组文件,便于大家比较基于ChatGPT和人类回复的训练效果(文件:"train_h_triples.tsv" 和 "valid_h_triples.tsv")。给定每个查询和正面答案,随机抽取了1000个负面答案。

答案重新排序数据集

描述文件名文件大小记录数量
Top-H 1000 Train (Top-H 1000训练)top_1000_h_train.run646.6 MB16,774,122
Top-H 1000 Validation (Top-H 1000验证)top_1000_h_valid.run23.7 MB605,956
Top-H 1000 Test (Top-H 1000测试)top_1000_h_test.run270.6 MB692,0845
Top-C 1000 Train (Top-C 1000训练)top_1000_c_train.run646.6 MB16,768,032
Top-C 1000 Validation (Top-C 1000验证)top_1000_c_valid.run23.7 MB605,793
Top-C 1000 Test (Top-C 1000测试)top_1000_c_test.run271.1 MB6,917,616

答案重新排序数据集的运行文件格式是TREC运行格式。

注意: 我们在Elasticsearch中使用BM25作为第一阶段排序器,以便在给定问题(即查询)的情况下对搜索到的前1000个文档进行排名。然而,对于某些查询,检索到的文档少于1000个,这意味着在整个集合中,至少有一个词与查询匹配的文档少于1000个。

分析BM25在人工/ChatGPT回复上的效果

敬请期待。 ChatGPT-RetrievalQA-Evlaution

BERT 在 Qrels-H 测试中的重新排名效果

我们在由 ChatGPT 生成的回复上训练 BERT(使用 queries.tsv、collection_c.tsv、train_c_triples.tsv、valid_c_triples.tsv、qrels_c_train.tsv 和 qrels_c_valid.tsv 文件)。接下来,我们评估 BERT 作为答案重新排名模型在人类回复上的效果(使用 queries.tsv、collection_h.tsv、top_1000_c_test.run 和 qrels_h_test.tsv)。通过这样做,我们回答以下问题:“在评估人类回复时,一个在 ChatGPT 回复上训练的答案检索模型的有效性如何?”

敬请期待。

其他大型语言模型(LLMs)生成的回复集合

敬请期待。

创建数据集的代码

ChatGPT-RetrievalQA-Dataset-Creator

数据集来源和版权

特别感谢 HC3 团队 发布的 Human ChatGPT Comparison Corpus (HC3) 语料库。我们的数据是基于他们的数据集创建的,并遵循他们的许可。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多