awesome-chatgpt-dataset

找训练数据？这个列表帮你一键搞定。

这是一个收集用于训练和微调ChatGPT等大语言模型的数据集列表。它整理了多种类型的公开数据集，包括指令数据、对话数据、人类反馈数据等，帮助开发者快速找到适合自己需求的训练数据。项目解决了寻找高质量训练数据耗时费力的问题，通过分类和索引，让开发者能高效地获取资源，从而训练自己的对话模型。核心能力在于系统性地汇总和分类，并提供了数据集的简要说明和来源链接。

开源 free 对话助手
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 770
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类对话助手
开发团队voidful
所属国家
官网地址
GitHubhttps://github.com/voidful/awesome-chatgpt-dataset
定价模式free
价格说明开源数据集列表，完全免费，无付费版本。
访问状态
是否开源是
开源协议GPL-3.0
主要语言Python
技术栈/模型awesome,chatgpt,dataset,gpt4,instructions
GitHub 星标★ 770
30天Star增速
HF 下载量
上线时间2023-04-21 00:00:00
最近更新2026-09-14 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3

使用教程

核心亮点

  • 分类清晰，涵盖指令、对话、反馈等主流数据集类型。
  • 每个数据集附有简介和链接，方便快速评估和获取。
  • 紧跟ChatGPT/GPT-4趋势，收录了最新的公开数据集。

不足之处

  • 项目维护活跃度待观察，部分链接可能失效。
  • 文档/社区待观察。

适用场景

  • 研究者寻找用于指令微调的数据集。
  • 开发者想训练自己的对话模型但不知从何找数据。
  • 需要对比不同数据集特点以选择训练资源。

替代项目

datasets、awesome-llm-datasets、Hugging Face Datasets

项目介绍

awesome-chatgpt-dataset 是数据集领域的开源项目，由 voidful 开发，2023 年首次发布。

它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 770。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-14。开源数据集列表，完全免费，无付费版本。

它主要面向的使用场景是：研究者寻找用于指令微调的数据集。同类可对比的替代方案包括 datasets、awesome-llm-datasets、Hugging Face Datasets。

上一篇：sodaverse

下一篇：MagicBrush

同类项目推荐

X-AnyLabeling 开源

一站式AI辅助标注，图像视频文本通吃，导出格式随心配

X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···

★ 10528 2026-08-10
aisheets 开源

像用表格一样批量调 AI，不写代码就能造和改数据集

Build, enrich, and transform datasets using AI models with no code

★ 1647 2026-09-20
distilabel 开源

基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。

Distilabel is a framework for synthetic data and AI feedback for engineers who need ···

★ 3398 2026-08-10
DataGen 开源

用大模型一键生成定制化训练数据，告别数据荒

[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models

★ 69 2026-08-09