请问WizardLM的数据是爬取的GPT4吗？

[AceCHQ]

Hello，感谢您的工作，请问WizardLM的进化指令翻译质量如何，有经过过滤吗？另外回答是爬取的GPT4还是GPT3.5吗？谢谢回复～

[LC1332]

WizardLM有1万是用没改进的prompt翻译的，剩余5万多是好的。我打算之后用embedding筛除一下质量不好的。回答是爬取3.5的，4有点小贵～～

[AceCHQ]

谢谢回复，请问embedding如何筛除？有什么合适的模型吗？

[LC1332]

Good Question. 我们最近训了一个 https://huggingface.co/silk-road/luotuo-bert-en 我还剩一个实验是用这个 去对 luotuo-bert，把这些翻译数据集出现指令注入现象的错误翻译给修正一遍，你有兴趣的话 去我知乎主页https://www.zhihu.com/people/cheng-li-47 留个微信吧，我找相关的同学来推进一下QAQ