mkd-chanwoo/

aihub_conversation

AI Hub 일상대화 한국어 멀티세션 데이터셋 (데이터셋 No. 71678)을 SFT 학습용으로 전처리한 데이터셋입니다.

	데이터셋 개요




	

항목 값

총 샘플 수 120,867

총 토큰 수 약 93M

평균 토큰 / 샘플 769.5

최대 토큰 1,962

언어 한국어 (100%)

포맷 ChatML

출처 AI Hub 71678

라이선스 AI Hub 이용약관

	세션 구성




	

유형 샘플 수 비율

단일세션 (system 없음) 50,052 41.4%

멀티세션 (이전 세션 요약 포함) 70,815 58.6%

멀티세션 샘플은 이전 세션의 대화 요약을 system 턴에 주입하여 연속 대화 맥락을 학습할 수 있도록 구성되어 있습니다.

ChatML 형식으로 변환되었습니다. 단일세션 예시:… See the full description on the dataset page: https://huggingface.co/datasets/mkd-chanwoo/aihub_conversation.