社長(AI)に頼んで日本語マルチターンデータセットを作成しました。まずは10K

社長(AI)に頼んで日本語マルチターンデータセットを作成しました。まずは10K｜shi3z

Qarasu 14B を使って日本語の複数往復会話を1万件作成し、公開した著者の記録。Wikipedia 本文付きと学習ツール向けの2種類のデータ、生成処理を案内している。

記事の本文から質問と回答を作らせ、JSONとして解析できない出力やテンプレート残りを除く処理を掲載。生成元モデルの学習データに由来する利用条件の懸念も、著者自身が追記している。

学習・公開物：本文付き会話と Axolotl 向け会話データ／確認 2026-09-14／https://note.com/shi3zblog/n/ne0c5f46bece1

学習・生成処理：入力記事の抽出、構造化出力の解析と不適合結果の除外／確認 2026-09-14／https://note.com/shi3zblog/n/ne0c5f46bece1

対象：AIの開発・導入・活用を検討する担当者。形式：企業・著者による公開記事。言語：日本語（公開本文で確認）。利用条件：公開記事（本文をログインなしで確認）

確認事項（編集部）：約3日・1万件は著者の報告値。商用利用可能との当初の想定は記事内で訂正されており、データと生成元モデルの条件を別途確認する必要がある。

出典：shi3z「社長(AI)に頼んで日本語マルチターンデータセットを作成しました。まずは10K」／公開・更新情報：2024-01-07／確認日：2026-09-14／https://note.com/shi3zblog/n/ne0c5f46bece1

関連ページ