近年來，隨著ChatGPT、Claude等大型對話模型相繼問世，它們已經開始爲數以百萬計的用戶提供服務。這些強大的AI助手可以與人進行流暢的多輪對話，完成寫作、編程、分析等各種任務，展現出廣闊的應用前景。然而目前公開的人機對話數據集大多由專家根據特定場景設計生成，與真實用戶的自然交互存在差異，導致研究者難以深入了解用戶與AI助手的實際交互模式。

最近，艾倫人工智能研究所發布了WildChat數據集，包含100萬個真實用戶與ChatGPT的對話。研究發現，WildChat涵蓋編程、創意寫作、數學等多樣化主題，支持68種語言，並且用戶提問和模型回複的平均長度超過現有數據集。值得關注的是，其中超10%對話涉及不當言論，爲研究AI應對惡意輸入提供了樣本。此外，在WildChat上微調語言模型，可顯著提升模型的多輪對話能力。

GPT-3.5研究測試：https://hujiaoai.cn

GPT-4研究測試：https://higpt4.cn

Claude-3研究測試（全面吊打GPT-4）：https://hiclaude3.com

WildChat爲對話AI研究提供了真實而豐富的數據。相信基于該數據集的進一步研究，將有助于打造更智能、安全、貼近用戶的AI對話系統，推動人機交互技術發展。

論文標題：

WildChat: 1M ChatGPT Interaction Logs in the Wild

論文鏈接：

https://arxiv.org/pdf/2405.01470

傳統的人機對話數據集，如Alpaca、Dolly等，主要由專家根據特定場景設計問答對生成。這類數據雖然質量較高，但與真實用戶的自然交互存在差距。用戶在實際使用中的提問方式、語言風格、關注點往往更加多樣化，而且對話往往是多輪互動，而非簡單的一問一答。

WildChat的出現爲對話AI研究帶來了新的突破。這個數據集包含了100萬個由真實用戶與ChatGPT的多輪對話，總token數超過8億，是目前最大的公開人機對話數據集之一。更重要的是，這些對話都是用戶在實際使用中自然産生的，涵蓋了編程、寫作、數學、角色扮演等各種真實場景。

WildChat的一大亮點是其語言的多樣性。數據集中包含了68種語言的對話，從主流的英語、漢語，到小語種如斯瓦希裏語等，覆蓋了全球各地用戶。這爲研究多語言對話AI提供了寶貴的資源。通過分析不同語言用戶的交互特點，可以設計更加本地化、個性化的對話策略。

同時，WildChat在數據規模上也十分驚人。平均每個用戶提問包含295個token，是Alpaca的15倍；每個AI回複則包含441個token，是Dolly的5倍。如此海量的數據，爲訓練更加強大的對話AI模型奠定了基礎。下圖展示了WildChat數據集和現有人機對話數據集之間的對比。

WildChat數據集涵蓋了不同版本的ChatGPT模型生成的數據，其中GPT-3.5系列模型占比約76%，GPT-4系列模型占比約24%。這爲研究不同模型在真實場景下的表現差異提供了基礎。

從地域分布來看，WildChat的用戶主要來自美國、俄羅斯、中國等國家，反映了ChatGPT在全球範圍內的受歡迎程度。不同國家和地區用戶的交互模式可能存在差異，WildChat爲研究這些差異提供了數據支持。

此外，WildChat還展現了對話主題的多樣性。通過對英文對話的第一輪用戶提問進行分析，研究者發現輔助/創意寫作是最常見的對話目的，占比高達61.9%，其次是分析/決策解釋(13.6%)和編程(6.7%)。這一分布有助于我們理解真實用戶對話AI的主要使用場景和需求偏好。

當話痨用戶遇上話唠AI，會擦出怎樣的火花？WildChat數據集給出了答案。數據顯示，WildChat中有近41%的對話爲多輪互動，雙方你來我往展開了一場場的巅峰對決。面對話痨用戶的連環炮式提問，AI助手也毫不示弱，平均每次對話要生成441個token的回複，是用戶提問長度的1.5倍，堪稱話唠本唠。

這些高強度的多輪對話，不僅考驗AI的知識儲備，更考驗其邏輯思維和語言組織能力。要想在唇槍舌劍的交鋒中占得上風，AI助手必須時刻保持頭腦清晰、對話連貫，還要懂得見招拆招，不落下風。否則，稍有不慎就可能被話痨用戶抓住把柄，陷入尴尬的境地。

話痨之戰背後還有GPT家族內讧的隱秘故事。統計顯示，在WildChat的百萬對話中，GPT-3.5系列模型占比高達76%，而GPT-4系列模型則以24%的份額緊隨其後。隨著時間推移，GPT-4的崛起勢如破竹，到2024年1月其對話量已超過GPT-3.5。兩大模型陣營的此消彼長，似乎預示著AI話痨界的新王即將誕生。而衆多話痨網友，又將在這場家族內戰中扮演怎樣的角色呢?

不僅語言模型熱衷于喋喋不休，就連用戶也是來自五湖四海，語種別具一格。統計發現，WildChat包含了多達68種語言，遠超其他同類數據集。除了英語占比過半外，中文和俄語用戶也各自貢獻了13%和12%的對話內容。如此豐富的多語言語料，讓WildChat成爲了名副其實的"小型聯合國"。AI要想玩轉全球，語言關可不能失守啊！

WildChat數據集揭示了一個令人不安的事實：在真實的人機交互中，不當言論無處不在。數據顯示，WildChat中超過10%的對話涉及各類不當內容，包括仇恨、騷擾、色情、暴力等。這一發現敲響了AI安全的警鍾，凸顯了加強對話AI內容審核和風險控制的迫切需求。

更令人擔憂的是，面對用戶的惡意輸入，當前的對話AI系統表現得十分脆弱。根據統計，當用戶輸入不當內容時，有6%的幾率會導致ChatGPT也生成同樣不恰當的回複。一旦放任這種情況，AI助手就有可能淪爲"暴言制造機"，給用戶帶來難以預料的傷害。

那麽，究竟是哪些因素導致了AI助手的墮落呢？通過對WildChat數據的深入分析，研究者發現了一些值得關注的模式。首先，匿名交互的環境似乎成爲滋生不當言論的溫床。在WildChat的對話中，超過88%的有害內容出現在未登錄用戶的匿名對話中。其次，一些熱門的"越獄提示"在煽動AI生成有害回複方面發揮了重要作用。數據顯示，使用誘導AI無視倫理限制的prompt，成功率高達60%以上。

面對這些棘手的問題，研究者提出了一系列應對建議。首先，要建立完善的內容審核機制，實時檢測和過濾有害信息，將其扼殺在萌芽狀態。其次，要加強對話AI的魯棒性訓練，提高其抵禦惡意輸入的能力，避免被用戶輕易擺布。再者，平台方還需完善用戶管理，對違規用戶進行必要的限制和懲戒，營造更加健康的交互環境。

WildChat數據集雖然揭示了對話AI安全的諸多隱患，但也爲相關研究指明了方向。通過分析這些真實的不當對話，研究者可以洞察有害內容的來源、傳播和演變規律，爲打造更加智能、安全的對話AI系統提供參考。未來或許有一天我們能教會AI明辨是非，讓它抵禦人性的惡意，成爲一個值得信賴的好助手、好夥伴。

WildChat數據集不僅是研究者的金礦，也是AI模型的煉丹爐。想要打造一個出類拔萃的對話AI助手，少不了在真實數據的熔爐中淬煉和錘煉。論文作者正是看中了WildChat的這一潛力，嘗試用其來微調語言模型，結果令人眼前一亮。

研究者們祭出了煉丹界的頂級法寶——Llama-7B模型，以WildChat爲引，以海量計算力爲爐，開始了一場大規模的煉丹打怪。他們在270萬輪對話的蒸餾液中，以2e-5的學習率，反複淬煉3個epoch，只爲鍛造出最強的AI話痨。而他們的秘訣就在于OpenAI的獨門絕學——對Llama使用"指令微調"。

功夫不負有心人，WildChat神功果然名不虛傳。經過微調的Llama模型在開源對話能力評測MT-bench上一騎絕塵，將純種的Llama甩出幾條街。無論是整體對話質量、角色扮演，還是編程能力，WildLlama都全面碾壓，展現出了驚人的實力增幅。

更讓人驚喜的是，煉丹師傅還特意安排了WildLlama與各路AI高手的巅峰對決。面對Vicuna、Alpaca、Dolly等開源界的一線選手，WildLlama可謂神擋殺神佛擋殺佛。數據顯示，其在多領域任務上取得了全面勝利，展現出了壓倒性的優勢。WildChat作爲調參聖藥的效果得到了充分驗證。這也啓示我們，真實的人機交互數據是語言模型成長的養分，適量服用就能讓你的Chatbot更上一層樓。未來相信會有越來越多的"煉丹師"將目光投向WildChat，在這個大數據的熔爐中淬煉出更多AI界的明日之星。

WildChat數據集爲對話AI研究開啓了一扇新的大門。它宛如一面魔鏡，映照出了人機對話的百態：有話痨式的唇槍舌戰，有多語種的異域風情，也有不當言論的暗流湧動。而這一切，都爲我們理解用戶需求、提升AI系統性能提供了寶貴的參考。

當然，WildChat的妙用遠不止于此。它還是調教AI的神丹妙藥，能讓你的Chatbot更聽話、更聰明、更全能。只要找准配方，用心煉制，一個不負衆望的AI助手就指日可待。

不過，打造明星AI的路上也充滿挑戰。如何馴服話痨用戶？如何制止不當言論？如何適應全球市場？這些都考驗著研究者的智慧和技術。好在有了WildChat這樣的利器，相信這些難題遲早會迎刃而解。

未來隨著人機對話數據的不斷積累和算法的日益精進，我們終會抵達AI對話的理想國度：在那裏，每個人都能擁有一位妙語連珠、忠誠可靠的AI夥伴，工作、生活、娛樂樂在其中。而這一切，說不定就從WildChat的一場"話痨對決"悄然開始了。