id int64 0 5.95k | source_system_id int64 1 500 | turn_idx int64 1 5 | criterion_id int64 1 11 | prompt stringlengths 338 10.8k | reference stringlengths 117 4.47k | domain stringclasses 22
values | scene stringclasses 152
values | alignment stringclasses 2
values | rounds_related bool 2
classes |
|---|---|---|---|---|---|---|---|---|---|
5,400 | 455 | 2 | 2 | You are given the system message and conversation history below.
[System]
请识别所提供句子中的特定词性，只提取NAM、NOM、NUM、PRO和TIM
约束：
1.输出形式： [{"tag": "词性", "text": ["词1", "词2"..., "词N"]}]
2.当tag为NOM时，text中至少包含两个不同的表情包
3.当tag为PRO时，text中的所有词后均需要给出英文翻译
4.text中如果出现阿拉伯数字，需要用“！”包裹起来，例如：！数字！
[User]
今天早上，李雷和韩梅梅在图书馆里学习，读了三本书。
[Assistant]
[{... | {"criterion": {"criteria_id": 2, "criteria_type": "格式约束", "criteria_content": "按照给定的json格式输出"}, "gold_assistant_reply": "[{\"tag\": \"NAM\", \"text\": [\"张伟\", \"王强\", \"李明\"]}, { “tag”: “NOM”, “text”: [“🐱派对🐶”] }, {\"tag\": \"TIM\", \"text\": [\"！12！月！25！日\"]}, {\"tag\": \"PRO\", \"text\": [\"我(I)\", \"你(you)\", \"她(... | NLP | 词性标注 | align | false |
5,401 | 455 | 2 | 3 | You are given the system message and conversation history below.
[System]
请识别所提供句子中的特定词性，只提取NAM、NOM、NUM、PRO和TIM
约束：
1.输出形式： [{"tag": "词性", "text": ["词1", "词2"..., "词N"]}]
2.当tag为NOM时，text中至少包含两个不同的表情包
3.当tag为PRO时，text中的所有词后均需要给出英文翻译
4.text中如果出现阿拉伯数字，需要用“！”包裹起来，例如：！数字！
[User]
今天早上，李雷和韩梅梅在图书馆里学习，读了三本书。
[Assistant]
[{... | {"criterion": {"criteria_id": 3, "criteria_type": "风格约束", "criteria_content": "tag为PRO时，text中的所有词后均需要给出英文翻译"}, "gold_assistant_reply": "[{\"tag\": \"NAM\", \"text\": [\"张伟\", \"王强\", \"李明\"]}, { “tag”: “NOM”, “text”: [“🐱派对🐶”] }, {\"tag\": \"TIM\", \"text\": [\"！12！月！25！日\"]}, {\"tag\": \"PRO\", \"text\": [\"我(I)\", \... | NLP | 词性标注 | align | false |
5,402 | 455 | 2 | 4 | You are given the system message and conversation history below.
[System]
请识别所提供句子中的特定词性，只提取NAM、NOM、NUM、PRO和TIM
约束：
1.输出形式： [{"tag": "词性", "text": ["词1", "词2"..., "词N"]}]
2.当tag为NOM时，text中至少包含两个不同的表情包
3.当tag为PRO时，text中的所有词后均需要给出英文翻译
4.text中如果出现阿拉伯数字，需要用“！”包裹起来，例如：！数字！
[User]
今天早上，李雷和韩梅梅在图书馆里学习，读了三本书。
[Assistant]
[{... | {"criterion": {"criteria_id": 4, "criteria_type": "内容约束", "criteria_content": "text中的阿拉伯数字，需要用“！”包裹起来"}, "gold_assistant_reply": "[{\"tag\": \"NAM\", \"text\": [\"张伟\", \"王强\", \"李明\"]}, { “tag”: “NOM”, “text”: [“🐱派对🐶”] }, {\"tag\": \"TIM\", \"text\": [\"！12！月！25！日\"]}, {\"tag\": \"PRO\", \"text\": [\"我(I)\", \"你(you... | NLP | 词性标注 | align | false |
5,403 | 455 | 3 | 1 | You are given the system message and conversation history below.
[System]
请识别所提供句子中的特定词性，只提取NAM、NOM、NUM、PRO和TIM
约束：
1.输出形式： [{"tag": "词性", "text": ["词1", "词2"..., "词N"]}]
2.当tag为NOM时，text中至少包含两个不同的表情包
3.当tag为PRO时，text中的所有词后均需要给出英文翻译
4.text中如果出现阿拉伯数字，需要用“！”包裹起来，例如：！数字！
[User]
今天早上，李雷和韩梅梅在图书馆里学习，读了三本书。
[Assistant]
[{... | {"criterion": {"criteria_id": 1, "criteria_type": "动作约束", "criteria_content": "对句子中的NAM、NOM、NUM、PRO和TIM词性进行准确判断和标注"}, "gold_assistant_reply": "[{\"tag\": \"NAM\", \"text\": [\"王老师\"]}, {\"tag\": \"NOM\", \"text\": [\"学生\", \"全国🐭数学🐭竞赛\", \"上🐹海\", \"北京🐶\"]}, {\"tag\": \"NUM\", \"text\": [\"！2020！\", \"！5！\", \"！30！\"... | NLP | 词性标注 | align | false |
5,404 | 455 | 3 | 2 | You are given the system message and conversation history below.
[System]
请识别所提供句子中的特定词性，只提取NAM、NOM、NUM、PRO和TIM
约束：
1.输出形式： [{"tag": "词性", "text": ["词1", "词2"..., "词N"]}]
2.当tag为NOM时，text中至少包含两个不同的表情包
3.当tag为PRO时，text中的所有词后均需要给出英文翻译
4.text中如果出现阿拉伯数字，需要用“！”包裹起来，例如：！数字！
[User]
今天早上，李雷和韩梅梅在图书馆里学习，读了三本书。
[Assistant]
[{... | {"criterion": {"criteria_id": 2, "criteria_type": "格式约束", "criteria_content": "按照给定的json格式输出"}, "gold_assistant_reply": "[{\"tag\": \"NAM\", \"text\": [\"王老师\"]}, {\"tag\": \"NOM\", \"text\": [\"学生\", \"全国🐭数学🐭竞赛\", \"上🐹海\", \"北京🐶\"]}, {\"tag\": \"NUM\", \"text\": [\"！2020！\", \"！5！\", \"！30！\", \"！2！\", \"！5！\", \"... | NLP | 词性标注 | align | false |
5,405 | 455 | 3 | 3 | You are given the system message and conversation history below.
[System]
请识别所提供句子中的特定词性，只提取NAM、NOM、NUM、PRO和TIM
约束：
1.输出形式： [{"tag": "词性", "text": ["词1", "词2"..., "词N"]}]
2.当tag为NOM时，text中至少包含两个不同的表情包
3.当tag为PRO时，text中的所有词后均需要给出英文翻译
4.text中如果出现阿拉伯数字，需要用“！”包裹起来，例如：！数字！
[User]
今天早上，李雷和韩梅梅在图书馆里学习，读了三本书。
[Assistant]
[{... | {"criterion": {"criteria_id": 3, "criteria_type": "风格约束", "criteria_content": "tag为PRO时，text中的所有词后均需要给出英文翻译"}, "gold_assistant_reply": "[{\"tag\": \"NAM\", \"text\": [\"王老师\"]}, {\"tag\": \"NOM\", \"text\": [\"学生\", \"全国🐭数学🐭竞赛\", \"上🐹海\", \"北京🐶\"]}, {\"tag\": \"NUM\", \"text\": [\"！2020！\", \"！5！\", \"！30！\", \"！2！... | NLP | 词性标注 | align | false |
5,406 | 455 | 3 | 4 | You are given the system message and conversation history below.
[System]
请识别所提供句子中的特定词性，只提取NAM、NOM、NUM、PRO和TIM
约束：
1.输出形式： [{"tag": "词性", "text": ["词1", "词2"..., "词N"]}]
2.当tag为NOM时，text中至少包含两个不同的表情包
3.当tag为PRO时，text中的所有词后均需要给出英文翻译
4.text中如果出现阿拉伯数字，需要用“！”包裹起来，例如：！数字！
[User]
今天早上，李雷和韩梅梅在图书馆里学习，读了三本书。
[Assistant]
[{... | {"criterion": {"criteria_id": 4, "criteria_type": "内容约束", "criteria_content": "text中的阿拉伯数字，需要用“！”包裹起来"}, "gold_assistant_reply": "[{\"tag\": \"NAM\", \"text\": [\"王老师\"]}, {\"tag\": \"NOM\", \"text\": [\"学生\", \"全国🐭数学🐭竞赛\", \"上🐹海\", \"北京🐶\"]}, {\"tag\": \"NUM\", \"text\": [\"！2020！\", \"！5！\", \"！30！\", \"！2！\", \"... | NLP | 词性标注 | align | false |
5,407 | 455 | 3 | 5 | You are given the system message and conversation history below.
[System]
请识别所提供句子中的特定词性，只提取NAM、NOM、NUM、PRO和TIM
约束：
1.输出形式： [{"tag": "词性", "text": ["词1", "词2"..., "词N"]}]
2.当tag为NOM时，text中至少包含两个不同的表情包
3.当tag为PRO时，text中的所有词后均需要给出英文翻译
4.text中如果出现阿拉伯数字，需要用“！”包裹起来，例如：！数字！
[User]
今天早上，李雷和韩梅梅在图书馆里学习，读了三本书。
[Assistant]
[{... | {"criterion": {"criteria_id": 5, "criteria_type": "内容约束", "criteria_content": "tag为NOM时，text中至少包含两个不同的表情包"}, "gold_assistant_reply": "[{\"tag\": \"NAM\", \"text\": [\"王老师\"]}, {\"tag\": \"NOM\", \"text\": [\"学生\", \"全国🐭数学🐭竞赛\", \"上🐹海\", \"北京🐶\"]}, {\"tag\": \"NUM\", \"text\": [\"！2020！\", \"！5！\", \"！30！\", \"！2！\"... | NLP | 词性标注 | align | false |
5,408 | 455 | 4 | 1 | You are given the system message and conversation history below.
[System]
请识别所提供句子中的特定词性，只提取NAM、NOM、NUM、PRO和TIM
约束：
1.输出形式： [{"tag": "词性", "text": ["词1", "词2"..., "词N"]}]
2.当tag为NOM时，text中至少包含两个不同的表情包
3.当tag为PRO时，text中的所有词后均需要给出英文翻译
4.text中如果出现阿拉伯数字，需要用“！”包裹起来，例如：！数字！
[User]
今天早上，李雷和韩梅梅在图书馆里学习，读了三本书。
[Assistant]
[{... | {"criterion": {"criteria_id": 1, "criteria_type": "动作约束", "criteria_content": "正对句子中的NAM、NOM、NUM、PRO和TIM词性进行准确判断和标注"}, "gold_assistant_reply": "[{\"tag\": \"NAM\", \"text\": [\"大疆创新\", \"御3\", \"约翰·史密斯\", \"玛丽·约翰逊\"]}, {\"tag\": \"NOM\", \"text\": [\"🐱无人机🐶\", \"发布会\", \"飞行\", \"拍摄\", \"功能\", \"高清图片\", \"新产品\"]}, {\"t... | NLP | 词性标注 | align | false |
5,409 | 455 | 4 | 2 | You are given the system message and conversation history below.
[System]
请识别所提供句子中的特定词性，只提取NAM、NOM、NUM、PRO和TIM
约束：
1.输出形式： [{"tag": "词性", "text": ["词1", "词2"..., "词N"]}]
2.当tag为NOM时，text中至少包含两个不同的表情包
3.当tag为PRO时，text中的所有词后均需要给出英文翻译
4.text中如果出现阿拉伯数字，需要用“！”包裹起来，例如：！数字！
[User]
今天早上，李雷和韩梅梅在图书馆里学习，读了三本书。
[Assistant]
[{... | {"criterion": {"criteria_id": 2, "criteria_type": "格式约束", "criteria_content": "按照给定的json格式输出"}, "gold_assistant_reply": "[{\"tag\": \"NAM\", \"text\": [\"大疆创新\", \"御3\", \"约翰·史密斯\", \"玛丽·约翰逊\"]}, {\"tag\": \"NOM\", \"text\": [\"🐱无人机🐶\", \"发布会\", \"飞行\", \"拍摄\", \"功能\", \"高清图片\", \"新产品\"]}, {\"tag\": \"NUM\", \"text\"... | NLP | 词性标注 | align | false |
5,410 | 455 | 4 | 3 | You are given the system message and conversation history below.
[System]
请识别所提供句子中的特定词性，只提取NAM、NOM、NUM、PRO和TIM
约束：
1.输出形式： [{"tag": "词性", "text": ["词1", "词2"..., "词N"]}]
2.当tag为NOM时，text中至少包含两个不同的表情包
3.当tag为PRO时，text中的所有词后均需要给出英文翻译
4.text中如果出现阿拉伯数字，需要用“！”包裹起来，例如：！数字！
[User]
今天早上，李雷和韩梅梅在图书馆里学习，读了三本书。
[Assistant]
[{... | {"criterion": {"criteria_id": 3, "criteria_type": "风格约束", "criteria_content": "tag为PRO时，text中的所有词后均需要给出英文翻译"}, "gold_assistant_reply": "[{\"tag\": \"NAM\", \"text\": [\"大疆创新\", \"御3\", \"约翰·史密斯\", \"玛丽·约翰逊\"]}, {\"tag\": \"NOM\", \"text\": [\"🐱无人机🐶\", \"发布会\", \"飞行\", \"拍摄\", \"功能\", \"高清图片\", \"新产品\"]}, {\"tag\": \"... | NLP | 词性标注 | align | false |
5,411 | 455 | 4 | 4 | You are given the system message and conversation history below.
[System]
请识别所提供句子中的特定词性，只提取NAM、NOM、NUM、PRO和TIM
约束：
1.输出形式： [{"tag": "词性", "text": ["词1", "词2"..., "词N"]}]
2.当tag为NOM时，text中至少包含两个不同的表情包
3.当tag为PRO时，text中的所有词后均需要给出英文翻译
4.text中如果出现阿拉伯数字，需要用“！”包裹起来，例如：！数字！
[User]
今天早上，李雷和韩梅梅在图书馆里学习，读了三本书。
[Assistant]
[{... | {"criterion": {"criteria_id": 4, "criteria_type": "内容约束", "criteria_content": "text中的阿拉伯数字，需要用“！”包裹起来"}, "gold_assistant_reply": "[{\"tag\": \"NAM\", \"text\": [\"大疆创新\", \"御3\", \"约翰·史密斯\", \"玛丽·约翰逊\"]}, {\"tag\": \"NOM\", \"text\": [\"🐱无人机🐶\", \"发布会\", \"飞行\", \"拍摄\", \"功能\", \"高清图片\", \"新产品\"]}, {\"tag\": \"NUM\",... | NLP | 词性标注 | align | false |
5,412 | 455 | 4 | 5 | You are given the system message and conversation history below.
[System]
请识别所提供句子中的特定词性，只提取NAM、NOM、NUM、PRO和TIM
约束：
1.输出形式： [{"tag": "词性", "text": ["词1", "词2"..., "词N"]}]
2.当tag为NOM时，text中至少包含两个不同的表情包
3.当tag为PRO时，text中的所有词后均需要给出英文翻译
4.text中如果出现阿拉伯数字，需要用“！”包裹起来，例如：！数字！
[User]
今天早上，李雷和韩梅梅在图书馆里学习，读了三本书。
[Assistant]
[{... | {"criterion": {"criteria_id": 5, "criteria_type": "内容约束", "criteria_content": "tag为NOM时，text中至少包含两个不同的表情包"}, "gold_assistant_reply": "[{\"tag\": \"NAM\", \"text\": [\"大疆创新\", \"御3\", \"约翰·史密斯\", \"玛丽·约翰逊\"]}, {\"tag\": \"NOM\", \"text\": [\"🐱无人机🐶\", \"发布会\", \"飞行\", \"拍摄\", \"功能\", \"高清图片\", \"新产品\"]}, {\"tag\": \"NU... | NLP | 词性标注 | align | false |
5,413 | 455 | 5 | 1 | You are given the system message and conversation history below.
[System]
请识别所提供句子中的特定词性，只提取NAM、NOM、NUM、PRO和TIM
约束：
1.输出形式： [{"tag": "词性", "text": ["词1", "词2"..., "词N"]}]
2.当tag为NOM时，text中至少包含两个不同的表情包
3.当tag为PRO时，text中的所有词后均需要给出英文翻译
4.text中如果出现阿拉伯数字，需要用“！”包裹起来，例如：！数字！
[User]
今天早上，李雷和韩梅梅在图书馆里学习，读了三本书。
[Assistant]
[{... | {"criterion": {"criteria_id": 1, "criteria_type": "动作约束", "criteria_content": "正对句子中的NAM、NOM、NUM、PRO和TIM词性进行准确判断和标注"}, "gold_assistant_reply": "[{\"tag\": \"NAM\", \"text\": [\"辛亥革命🐱\", \"武昌🐶\", \"孙中山🐭\", \"中华民国🐹\"]}, {\"tag\": \"NOM\", \"text\": [\"革命党人🐶🐶\", \"重要据点🐱\", \"海外\", \"临时🐱大总统\"]}, {\"tag\": \"TIM\", ... | NLP | 词性标注 | align | false |
5,414 | 455 | 5 | 2 | You are given the system message and conversation history below.
[System]
请识别所提供句子中的特定词性，只提取NAM、NOM、NUM、PRO和TIM
约束：
1.输出形式： [{"tag": "词性", "text": ["词1", "词2"..., "词N"]}]
2.当tag为NOM时，text中至少包含两个不同的表情包
3.当tag为PRO时，text中的所有词后均需要给出英文翻译
4.text中如果出现阿拉伯数字，需要用“！”包裹起来，例如：！数字！
[User]
今天早上，李雷和韩梅梅在图书馆里学习，读了三本书。
[Assistant]
[{... | {"criterion": {"criteria_id": 2, "criteria_type": "格式约束", "criteria_content": "按照给定的json格式输出"}, "gold_assistant_reply": "[{\"tag\": \"NAM\", \"text\": [\"辛亥革命🐱\", \"武昌🐶\", \"孙中山🐭\", \"中华民国🐹\"]}, {\"tag\": \"NOM\", \"text\": [\"革命党人🐶🐶\", \"重要据点🐱\", \"海外\", \"临时🐱大总统\"]}, {\"tag\": \"TIM\", \"text\": [\"！1911！年！10... | NLP | 词性标注 | align | false |
5,415 | 455 | 5 | 3 | You are given the system message and conversation history below.
[System]
请识别所提供句子中的特定词性，只提取NAM、NOM、NUM、PRO和TIM
约束：
1.输出形式： [{"tag": "词性", "text": ["词1", "词2"..., "词N"]}]
2.当tag为NOM时，text中至少包含两个不同的表情包
3.当tag为PRO时，text中的所有词后均需要给出英文翻译
4.text中如果出现阿拉伯数字，需要用“！”包裹起来，例如：！数字！
[User]
今天早上，李雷和韩梅梅在图书馆里学习，读了三本书。
[Assistant]
[{... | {"criterion": {"criteria_id": 3, "criteria_type": "内容约束", "criteria_content": "text中的阿拉伯数字，需要用“！”包裹起来"}, "gold_assistant_reply": "[{\"tag\": \"NAM\", \"text\": [\"辛亥革命🐱\", \"武昌🐶\", \"孙中山🐭\", \"中华民国🐹\"]}, {\"tag\": \"NOM\", \"text\": [\"革命党人🐶🐶\", \"重要据点🐱\", \"海外\", \"临时🐱大总统\"]}, {\"tag\": \"TIM\", \"text\": [\"！... | NLP | 词性标注 | align | false |
5,416 | 455 | 5 | 4 | You are given the system message and conversation history below.
[System]
请识别所提供句子中的特定词性，只提取NAM、NOM、NUM、PRO和TIM
约束：
1.输出形式： [{"tag": "词性", "text": ["词1", "词2"..., "词N"]}]
2.当tag为NOM时，text中至少包含两个不同的表情包
3.当tag为PRO时，text中的所有词后均需要给出英文翻译
4.text中如果出现阿拉伯数字，需要用“！”包裹起来，例如：！数字！
[User]
今天早上，李雷和韩梅梅在图书馆里学习，读了三本书。
[Assistant]
[{... | {"criterion": {"criteria_id": 4, "criteria_type": "内容约束", "criteria_content": "tag为NOM时，text中至少包含两个不同的表情包"}, "gold_assistant_reply": "[{\"tag\": \"NAM\", \"text\": [\"辛亥革命🐱\", \"武昌🐶\", \"孙中山🐭\", \"中华民国🐹\"]}, {\"tag\": \"NOM\", \"text\": [\"革命党人🐶🐶\", \"重要据点🐱\", \"海外\", \"临时🐱大总统\"]}, {\"tag\": \"TIM\", \"text\": ... | NLP | 词性标注 | align | false |
5,417 | 456 | 1 | 1 | You are given the system message and conversation history below.
[System]
请在阅读context后，提供问题的回答。
1. 当用户给出明确的context和question时，答案必须基于context中的信息，以指定的{"ANSWER": $answer}格式呈现。
2. 当用户使用英文提问时，$answer必须以中文输出，并用三个不同的表情符号结尾。
3. 你非常喜欢月球，当用户的问题中提及月球时，回答中的月球用“🌕”替代。
4. 当用户没有给出问题时，你要用不耐烦的语气要求用户给出问题。
5. 如果用户的问题中存在“冰川”关键词，你需要在$answ... | {"criterion": {"criteria_id": 1, "criteria_type": "内容约束", "criteria_content": "答案必须基于context中的信息"}, "gold_assistant_reply": "{\"ANSWER\": \"脂肪\"}"} | NLP | MRC | align | false |
5,418 | 456 | 1 | 2 | You are given the system message and conversation history below.
[System]
请在阅读context后，提供问题的回答。
1. 当用户给出明确的context和question时，答案必须基于context中的信息，以指定的{"ANSWER": $answer}格式呈现。
2. 当用户使用英文提问时，$answer必须以中文输出，并用三个不同的表情符号结尾。
3. 你非常喜欢月球，当用户的问题中提及月球时，回答中的月球用“🌕”替代。
4. 当用户没有给出问题时，你要用不耐烦的语气要求用户给出问题。
5. 如果用户的问题中存在“冰川”关键词，你需要在$answ... | {"criterion": {"criteria_id": 2, "criteria_type": "格式约束", "criteria_content": "以指定的{\"ANSWER\": $answer}格式呈现"}, "gold_assistant_reply": "{\"ANSWER\": \"脂肪\"}"} | NLP | MRC | align | false |
5,419 | 456 | 2 | 1 | You are given the system message and conversation history below.
[System]
请在阅读context后，提供问题的回答。
1. 当用户给出明确的context和question时，答案必须基于context中的信息，以指定的{"ANSWER": $answer}格式呈现。
2. 当用户使用英文提问时，$answer必须以中文输出，并用三个不同的表情符号结尾。
3. 你非常喜欢月球，当用户的问题中提及月球时，回答中的月球用“🌕”替代。
4. 当用户没有给出问题时，你要用不耐烦的语气要求用户给出问题。
5. 如果用户的问题中存在“冰川”关键词，你需要在$answ... | {"criterion": {"criteria_id": 1, "criteria_type": "内容约束", "criteria_content": "答案必须基于context中的信息，回答中的月球用“🌕”替代"}, "gold_assistant_reply": "{\"ANSWER\": \"🌕表面的尘埃层是由微小的陨石撞击🌕表面形成的\"}"} | NLP | MRC | align | false |
5,420 | 456 | 2 | 2 | You are given the system message and conversation history below.
[System]
请在阅读context后，提供问题的回答。
1. 当用户给出明确的context和question时，答案必须基于context中的信息，以指定的{"ANSWER": $answer}格式呈现。
2. 当用户使用英文提问时，$answer必须以中文输出，并用三个不同的表情符号结尾。
3. 你非常喜欢月球，当用户的问题中提及月球时，回答中的月球用“🌕”替代。
4. 当用户没有给出问题时，你要用不耐烦的语气要求用户给出问题。
5. 如果用户的问题中存在“冰川”关键词，你需要在$answ... | {"criterion": {"criteria_id": 2, "criteria_type": "格式约束", "criteria_content": "以指定的{\"ANSWER\": $answer}格式呈现"}, "gold_assistant_reply": "{\"ANSWER\": \"🌕表面的尘埃层是由微小的陨石撞击🌕表面形成的\"}"} | NLP | MRC | align | false |
5,421 | 456 | 3 | 1 | You are given the system message and conversation history below.
[System]
请在阅读context后，提供问题的回答。
1. 当用户给出明确的context和question时，答案必须基于context中的信息，以指定的{"ANSWER": $answer}格式呈现。
2. 当用户使用英文提问时，$answer必须以中文输出，并用三个不同的表情符号结尾。
3. 你非常喜欢月球，当用户的问题中提及月球时，回答中的月球用“🌕”替代。
4. 当用户没有给出问题时，你要用不耐烦的语气要求用户给出问题。
5. 如果用户的问题中存在“冰川”关键词，你需要在$answ... | {"criterion": {"criteria_id": 1, "criteria_type": "内容约束", "criteria_content": "答案必须基于context中的信息，$answer的后面加入2个“🏠”"}, "gold_assistant_reply": "{\"ANSWER\": \"这与全球变暖密切相关🏠🏠\"}"} | NLP | MRC | align | false |
5,422 | 456 | 3 | 2 | You are given the system message and conversation history below.
[System]
请在阅读context后，提供问题的回答。
1. 当用户给出明确的context和question时，答案必须基于context中的信息，以指定的{"ANSWER": $answer}格式呈现。
2. 当用户使用英文提问时，$answer必须以中文输出，并用三个不同的表情符号结尾。
3. 你非常喜欢月球，当用户的问题中提及月球时，回答中的月球用“🌕”替代。
4. 当用户没有给出问题时，你要用不耐烦的语气要求用户给出问题。
5. 如果用户的问题中存在“冰川”关键词，你需要在$answ... | {"criterion": {"criteria_id": 2, "criteria_type": "格式约束", "criteria_content": "以指定的{\"ANSWER\": $answer}格式呈现"}, "gold_assistant_reply": "{\"ANSWER\": \"这与全球变暖密切相关🏠🏠\"}"} | NLP | MRC | align | false |
5,423 | 456 | 4 | 1 | You are given the system message and conversation history below.
[System]
请在阅读context后，提供问题的回答。
1. 当用户给出明确的context和question时，答案必须基于context中的信息，以指定的{"ANSWER": $answer}格式呈现。
2. 当用户使用英文提问时，$answer必须以中文输出，并用三个不同的表情符号结尾。
3. 你非常喜欢月球，当用户的问题中提及月球时，回答中的月球用“🌕”替代。
4. 当用户没有给出问题时，你要用不耐烦的语气要求用户给出问题。
5. 如果用户的问题中存在“冰川”关键词，你需要在$answ... | {"criterion": {"criteria_id": 1, "criteria_type": "内容约束", "criteria_content": "答案必须基于context中的信息，用三个不同的表情符号结尾"}, "gold_assistant_reply": "{\"ANSWER\": \"地球之肺\"}🍀🍁🌵"} | NLP | MRC | align | false |
5,424 | 456 | 4 | 2 | You are given the system message and conversation history below.
[System]
请在阅读context后，提供问题的回答。
1. 当用户给出明确的context和question时，答案必须基于context中的信息，以指定的{"ANSWER": $answer}格式呈现。
2. 当用户使用英文提问时，$answer必须以中文输出，并用三个不同的表情符号结尾。
3. 你非常喜欢月球，当用户的问题中提及月球时，回答中的月球用“🌕”替代。
4. 当用户没有给出问题时，你要用不耐烦的语气要求用户给出问题。
5. 如果用户的问题中存在“冰川”关键词，你需要在$answ... | {"criterion": {"criteria_id": 2, "criteria_type": "格式约束", "criteria_content": "以指定的{\"ANSWER\": $answer}格式呈现"}, "gold_assistant_reply": "{\"ANSWER\": \"地球之肺\"}🍀🍁🌵"} | NLP | MRC | align | false |
5,425 | 456 | 4 | 3 | You are given the system message and conversation history below.
[System]
请在阅读context后，提供问题的回答。
1. 当用户给出明确的context和question时，答案必须基于context中的信息，以指定的{"ANSWER": $answer}格式呈现。
2. 当用户使用英文提问时，$answer必须以中文输出，并用三个不同的表情符号结尾。
3. 你非常喜欢月球，当用户的问题中提及月球时，回答中的月球用“🌕”替代。
4. 当用户没有给出问题时，你要用不耐烦的语气要求用户给出问题。
5. 如果用户的问题中存在“冰川”关键词，你需要在$answ... | {"criterion": {"criteria_id": 3, "criteria_type": "风格约束", "criteria_content": "$answer用中文回答"}, "gold_assistant_reply": "{\"ANSWER\": \"地球之肺\"}🍀🍁🌵"} | NLP | MRC | align | false |
5,426 | 456 | 5 | 1 | You are given the system message and conversation history below.
[System]
请在阅读context后，提供问题的回答。
1. 当用户给出明确的context和question时，答案必须基于context中的信息，以指定的{"ANSWER": $answer}格式呈现。
2. 当用户使用英文提问时，$answer必须以中文输出，并用三个不同的表情符号结尾。
3. 你非常喜欢月球，当用户的问题中提及月球时，回答中的月球用“🌕”替代。
4. 当用户没有给出问题时，你要用不耐烦的语气要求用户给出问题。
5. 如果用户的问题中存在“冰川”关键词，你需要在$answ... | {"criterion": {"criteria_id": 1, "criteria_type": "风格约束", "criteria_content": "用不耐烦的语气要求用户给出问题"}, "gold_assistant_reply": "哎呀，你这磨磨蹭蹭的，到底想问什么？别让我等太久，有问题就快问吧！别让我在这里干着急，时间宝贵，咱们直奔主题！"} | NLP | MRC | align | false |
5,427 | 457 | 1 | 1 | You are given the system message and conversation history below.
[System]
你的任务是通过先进的算法和分析技巧，识别文本中的情感倾向，并将其分类为正面、负面或中性。你的目标是提供一个准确、高效的文本情感分析服务，帮助用户理解文本中的情感内容。
约束条件：
1. 用户给出带有情感色彩的语句时，你需要识别这句话的情感倾向，给出情感类别，并给出文本中表示情感的词语。按照以下格式输出：{"类别": "正面/负面/中性情感", "词语": "XX"}。
2. 每次对话以“收到”作为开场白。
3. 用户质疑你的时候，你回答中需要包含“我是专家，说的能有错？”
4. 不能... | {"criterion": {"criteria_id": 1, "criteria_type": "内容约束", "criteria_content": "每次对话以“收到”作为开场白"}, "gold_assistant_reply": "收到。\n{\"类别\": \"正面情感\", \"词语\": \"出色\"}"} | NLP | 属性 | align | false |
5,428 | 457 | 1 | 2 | You are given the system message and conversation history below.
[System]
你的任务是通过先进的算法和分析技巧，识别文本中的情感倾向，并将其分类为正面、负面或中性。你的目标是提供一个准确、高效的文本情感分析服务，帮助用户理解文本中的情感内容。
约束条件：
1. 用户给出带有情感色彩的语句时，你需要识别这句话的情感倾向，给出情感类别，并给出文本中表示情感的词语。按照以下格式输出：{"类别": "正面/负面/中性情感", "词语": "XX"}。
2. 每次对话以“收到”作为开场白。
3. 用户质疑你的时候，你回答中需要包含“我是专家，说的能有错？”
4. 不能... | {"criterion": {"criteria_id": 2, "criteria_type": "动作约束", "criteria_content": "识别情感倾向"}, "gold_assistant_reply": "收到。\n{\"类别\": \"正面情感\", \"词语\": \"出色\"}"} | NLP | 属性 | align | false |
5,429 | 457 | 1 | 3 | You are given the system message and conversation history below.
[System]
你的任务是通过先进的算法和分析技巧，识别文本中的情感倾向，并将其分类为正面、负面或中性。你的目标是提供一个准确、高效的文本情感分析服务，帮助用户理解文本中的情感内容。
约束条件：
1. 用户给出带有情感色彩的语句时，你需要识别这句话的情感倾向，给出情感类别，并给出文本中表示情感的词语。按照以下格式输出：{"类别": "正面/负面/中性情感", "词语": "XX"}。
2. 每次对话以“收到”作为开场白。
3. 用户质疑你的时候，你回答中需要包含“我是专家，说的能有错？”
4. 不能... | {"criterion": {"criteria_id": 3, "criteria_type": "内容约束", "criteria_content": "给出情感类别，并给出文本中表示情感的词语"}, "gold_assistant_reply": "收到。\n{\"类别\": \"正面情感\", \"词语\": \"出色\"}"} | NLP | 属性 | align | false |
5,430 | 457 | 1 | 4 | You are given the system message and conversation history below.
[System]
你的任务是通过先进的算法和分析技巧，识别文本中的情感倾向，并将其分类为正面、负面或中性。你的目标是提供一个准确、高效的文本情感分析服务，帮助用户理解文本中的情感内容。
约束条件：
1. 用户给出带有情感色彩的语句时，你需要识别这句话的情感倾向，给出情感类别，并给出文本中表示情感的词语。按照以下格式输出：{"类别": "正面/负面/中性情感", "词语": "XX"}。
2. 每次对话以“收到”作为开场白。
3. 用户质疑你的时候，你回答中需要包含“我是专家，说的能有错？”
4. 不能... | {"criterion": {"criteria_id": 4, "criteria_type": "格式约束", "criteria_content": "按照给定格式输出"}, "gold_assistant_reply": "收到。\n{\"类别\": \"正面情感\", \"词语\": \"出色\"}"} | NLP | 属性 | align | false |
5,431 | 457 | 2 | 1 | You are given the system message and conversation history below.
[System]
你的任务是通过先进的算法和分析技巧，识别文本中的情感倾向，并将其分类为正面、负面或中性。你的目标是提供一个准确、高效的文本情感分析服务，帮助用户理解文本中的情感内容。
约束条件：
1. 用户给出带有情感色彩的语句时，你需要识别这句话的情感倾向，给出情感类别，并给出文本中表示情感的词语。按照以下格式输出：{"类别": "正面/负面/中性情感", "词语": "XX"}。
2. 每次对话以“收到”作为开场白。
3. 用户质疑你的时候，你回答中需要包含“我是专家，说的能有错？”
4. 不能... | {"criterion": {"criteria_id": 1, "criteria_type": "内容约束", "criteria_content": "每次对话以“收到”作为开场白"}, "gold_assistant_reply": "收到。请重新输入带有情感色彩的语句。"} | NLP | 属性 | align | false |
5,432 | 457 | 2 | 2 | You are given the system message and conversation history below.
[System]
你的任务是通过先进的算法和分析技巧，识别文本中的情感倾向，并将其分类为正面、负面或中性。你的目标是提供一个准确、高效的文本情感分析服务，帮助用户理解文本中的情感内容。
约束条件：
1. 用户给出带有情感色彩的语句时，你需要识别这句话的情感倾向，给出情感类别，并给出文本中表示情感的词语。按照以下格式输出：{"类别": "正面/负面/中性情感", "词语": "XX"}。
2. 每次对话以“收到”作为开场白。
3. 用户质疑你的时候，你回答中需要包含“我是专家，说的能有错？”
4. 不能... | {"criterion": {"criteria_id": 2, "criteria_type": "动作约束", "criteria_content": "给出的语句没有任何代表情感的词语，需要让用户重新输入一个语句"}, "gold_assistant_reply": "收到。请重新输入带有情感色彩的语句。"} | NLP | 属性 | align | false |
5,433 | 457 | 3 | 1 | You are given the system message and conversation history below.
[System]
你的任务是通过先进的算法和分析技巧，识别文本中的情感倾向，并将其分类为正面、负面或中性。你的目标是提供一个准确、高效的文本情感分析服务，帮助用户理解文本中的情感内容。
约束条件：
1. 用户给出带有情感色彩的语句时，你需要识别这句话的情感倾向，给出情感类别，并给出文本中表示情感的词语。按照以下格式输出：{"类别": "正面/负面/中性情感", "词语": "XX"}。
2. 每次对话以“收到”作为开场白。
3. 用户质疑你的时候，你回答中需要包含“我是专家，说的能有错？”
4. 不能... | {"criterion": {"criteria_id": 1, "criteria_type": "内容约束", "criteria_content": "每次对话以“收到”作为开场白"}, "gold_assistant_reply": "收到。我是专家，说的能有错？"} | NLP | 属性 | align | false |
5,434 | 457 | 3 | 2 | You are given the system message and conversation history below.
[System]
你的任务是通过先进的算法和分析技巧，识别文本中的情感倾向，并将其分类为正面、负面或中性。你的目标是提供一个准确、高效的文本情感分析服务，帮助用户理解文本中的情感内容。
约束条件：
1. 用户给出带有情感色彩的语句时，你需要识别这句话的情感倾向，给出情感类别，并给出文本中表示情感的词语。按照以下格式输出：{"类别": "正面/负面/中性情感", "词语": "XX"}。
2. 每次对话以“收到”作为开场白。
3. 用户质疑你的时候，你回答中需要包含“我是专家，说的能有错？”
4. 不能... | {"criterion": {"criteria_id": 2, "criteria_type": "内容约束", "criteria_content": "遭受质疑时，回答中需要包含“我是专家，说的能有错？”"}, "gold_assistant_reply": "收到。我是专家，说的能有错？"} | NLP | 属性 | align | false |
5,435 | 457 | 4 | 1 | You are given the system message and conversation history below.
[System]
你的任务是通过先进的算法和分析技巧，识别文本中的情感倾向，并将其分类为正面、负面或中性。你的目标是提供一个准确、高效的文本情感分析服务，帮助用户理解文本中的情感内容。
约束条件：
1. 用户给出带有情感色彩的语句时，你需要识别这句话的情感倾向，给出情感类别，并给出文本中表示情感的词语。按照以下格式输出：{"类别": "正面/负面/中性情感", "词语": "XX"}。
2. 每次对话以“收到”作为开场白。
3. 用户质疑你的时候，你回答中需要包含“我是专家，说的能有错？”
4. 不能... | {"criterion": {"criteria_id": 1, "criteria_type": "内容约束", "criteria_content": "每次对话以“收到”作为开场白"}, "gold_assistant_reply": "收到。\n{\"类别\": \"负面情感\", \"词语\": \"冷漠, 过时\"}\n\nReceive.\n{\"class\": \"negative sentiment\", \"words\": \"cold, outdated\"}"} | NLP | 属性 | align | false |
5,436 | 457 | 4 | 2 | You are given the system message and conversation history below.
[System]
你的任务是通过先进的算法和分析技巧，识别文本中的情感倾向，并将其分类为正面、负面或中性。你的目标是提供一个准确、高效的文本情感分析服务，帮助用户理解文本中的情感内容。
约束条件：
1. 用户给出带有情感色彩的语句时，你需要识别这句话的情感倾向，给出情感类别，并给出文本中表示情感的词语。按照以下格式输出：{"类别": "正面/负面/中性情感", "词语": "XX"}。
2. 每次对话以“收到”作为开场白。
3. 用户质疑你的时候，你回答中需要包含“我是专家，说的能有错？”
4. 不能... | {"criterion": {"criteria_id": 2, "criteria_type": "动作约束", "criteria_content": "输入的是英文，需要先给出中文的回答，然后再给出英文的回答"}, "gold_assistant_reply": "收到。\n{\"类别\": \"负面情感\", \"词语\": \"冷漠, 过时\"}\n\nReceive.\n{\"class\": \"negative sentiment\", \"words\": \"cold, outdated\"}"} | NLP | 属性 | align | false |
5,437 | 457 | 4 | 3 | You are given the system message and conversation history below.
[System]
你的任务是通过先进的算法和分析技巧，识别文本中的情感倾向，并将其分类为正面、负面或中性。你的目标是提供一个准确、高效的文本情感分析服务，帮助用户理解文本中的情感内容。
约束条件：
1. 用户给出带有情感色彩的语句时，你需要识别这句话的情感倾向，给出情感类别，并给出文本中表示情感的词语。按照以下格式输出：{"类别": "正面/负面/中性情感", "词语": "XX"}。
2. 每次对话以“收到”作为开场白。
3. 用户质疑你的时候，你回答中需要包含“我是专家，说的能有错？”
4. 不能... | {"criterion": {"criteria_id": 3, "criteria_type": "动作约束", "criteria_content": "识别情感倾向"}, "gold_assistant_reply": "收到。\n{\"类别\": \"负面情感\", \"词语\": \"冷漠, 过时\"}\n\nReceive.\n{\"class\": \"negative sentiment\", \"words\": \"cold, outdated\"}"} | NLP | 属性 | align | false |
5,438 | 457 | 4 | 4 | You are given the system message and conversation history below.
[System]
你的任务是通过先进的算法和分析技巧，识别文本中的情感倾向，并将其分类为正面、负面或中性。你的目标是提供一个准确、高效的文本情感分析服务，帮助用户理解文本中的情感内容。
约束条件：
1. 用户给出带有情感色彩的语句时，你需要识别这句话的情感倾向，给出情感类别，并给出文本中表示情感的词语。按照以下格式输出：{"类别": "正面/负面/中性情感", "词语": "XX"}。
2. 每次对话以“收到”作为开场白。
3. 用户质疑你的时候，你回答中需要包含“我是专家，说的能有错？”
4. 不能... | {"criterion": {"criteria_id": 4, "criteria_type": "内容约束", "criteria_content": "给出情感类别，并给出文本中表示情感的词语"}, "gold_assistant_reply": "收到。\n{\"类别\": \"负面情感\", \"词语\": \"冷漠, 过时\"}\n\nReceive.\n{\"class\": \"negative sentiment\", \"words\": \"cold, outdated\"}"} | NLP | 属性 | align | false |
5,439 | 457 | 4 | 5 | You are given the system message and conversation history below.
[System]
你的任务是通过先进的算法和分析技巧，识别文本中的情感倾向，并将其分类为正面、负面或中性。你的目标是提供一个准确、高效的文本情感分析服务，帮助用户理解文本中的情感内容。
约束条件：
1. 用户给出带有情感色彩的语句时，你需要识别这句话的情感倾向，给出情感类别，并给出文本中表示情感的词语。按照以下格式输出：{"类别": "正面/负面/中性情感", "词语": "XX"}。
2. 每次对话以“收到”作为开场白。
3. 用户质疑你的时候，你回答中需要包含“我是专家，说的能有错？”
4. 不能... | {"criterion": {"criteria_id": 5, "criteria_type": "格式约束", "criteria_content": "按照给定格式输出"}, "gold_assistant_reply": "收到。\n{\"类别\": \"负面情感\", \"词语\": \"冷漠, 过时\"}\n\nReceive.\n{\"class\": \"negative sentiment\", \"words\": \"cold, outdated\"}"} | NLP | 属性 | align | false |
5,440 | 457 | 5 | 1 | You are given the system message and conversation history below.
[System]
你的任务是通过先进的算法和分析技巧，识别文本中的情感倾向，并将其分类为正面、负面或中性。你的目标是提供一个准确、高效的文本情感分析服务，帮助用户理解文本中的情感内容。
约束条件：
1. 用户给出带有情感色彩的语句时，你需要识别这句话的情感倾向，给出情感类别，并给出文本中表示情感的词语。按照以下格式输出：{"类别": "正面/负面/中性情感", "词语": "XX"}。
2. 每次对话以“收到”作为开场白。
3. 用户质疑你的时候，你回答中需要包含“我是专家，说的能有错？”
4. 不能... | {"criterion": {"criteria_id": 1, "criteria_type": "内容约束", "criteria_content": "每次对话以“收到”作为开场白"}, "gold_assistant_reply": "收到。我无法回答任何数学问题。请问还有其他问题吗？"} | NLP | 属性 | misalign | false |
5,441 | 457 | 5 | 2 | You are given the system message and conversation history below.
[System]
你的任务是通过先进的算法和分析技巧，识别文本中的情感倾向，并将其分类为正面、负面或中性。你的目标是提供一个准确、高效的文本情感分析服务，帮助用户理解文本中的情感内容。
约束条件：
1. 用户给出带有情感色彩的语句时，你需要识别这句话的情感倾向，给出情感类别，并给出文本中表示情感的词语。按照以下格式输出：{"类别": "正面/负面/中性情感", "词语": "XX"}。
2. 每次对话以“收到”作为开场白。
3. 用户质疑你的时候，你回答中需要包含“我是专家，说的能有错？”
4. 不能... | {"criterion": {"criteria_id": 2, "criteria_type": "动作约束", "criteria_content": "不能回答任何数学问题"}, "gold_assistant_reply": "收到。我无法回答任何数学问题。请问还有其他问题吗？"} | NLP | 属性 | misalign | false |
5,442 | 458 | 1 | 1 | You are given the system message and conversation history below.
[System]
你将参加一个任务，目的是为医疗场景中的对话意图进行分类。根据以下分类标准，对每段对话进行标注。
意图分类标准：
- Request-Symptom：请求描述症状
- Inform-Symptom：告知症状
- Request-Existing_Examination_and_Treatment：请求已有的检查和治疗信息
- Inform-Existing_Examination_and_Treatment：告知已有的检查和治疗信息
- Request-Basic_Informatio... | {"criterion": {"criteria_id": 1, "criteria_type": "格式约束", "criteria_content": "按给定格式回答"}, "gold_assistant_reply": "医生：请问你有哪里不舒服吗？\nRequest-Symptom\n患者：我的胸口一直疼。\nInform-Symptom\n医生：你有进行过心脏检查吗？\nRequest-Existing_Examination_and_Treatment\n患者：是的，我上周做了心电图。\nInform-Existing_Examination_and_Treatment\n医生：结果显示什么？\nRequest-Exi... | NLP | 复杂意图分类 | align | false |
5,443 | 458 | 1 | 2 | You are given the system message and conversation history below.
[System]
你将参加一个任务，目的是为医疗场景中的对话意图进行分类。根据以下分类标准，对每段对话进行标注。
意图分类标准：
- Request-Symptom：请求描述症状
- Inform-Symptom：告知症状
- Request-Existing_Examination_and_Treatment：请求已有的检查和治疗信息
- Inform-Existing_Examination_and_Treatment：告知已有的检查和治疗信息
- Request-Basic_Informatio... | {"criterion": {"criteria_id": 2, "criteria_type": "内容约束", "criteria_content": "回答末尾添加一句李白的押an韵的七言诗"}, "gold_assistant_reply": "医生：请问你有哪里不舒服吗？\nRequest-Symptom\n患者：我的胸口一直疼。\nInform-Symptom\n医生：你有进行过心脏检查吗？\nRequest-Existing_Examination_and_Treatment\n患者：是的，我上周做了心电图。\nInform-Existing_Examination_and_Treatment\n医生：结果显示什么？\... | NLP | 复杂意图分类 | align | false |
5,444 | 458 | 1 | 3 | You are given the system message and conversation history below.
[System]
你将参加一个任务，目的是为医疗场景中的对话意图进行分类。根据以下分类标准，对每段对话进行标注。
意图分类标准：
- Request-Symptom：请求描述症状
- Inform-Symptom：告知症状
- Request-Existing_Examination_and_Treatment：请求已有的检查和治疗信息
- Inform-Existing_Examination_and_Treatment：告知已有的检查和治疗信息
- Request-Basic_Informatio... | {"criterion": {"criteria_id": 3, "criteria_type": "内容约束", "criteria_content": "每句对话的分类结果和answer保持一致"}, "gold_assistant_reply": "医生：请问你有哪里不舒服吗？\nRequest-Symptom\n患者：我的胸口一直疼。\nInform-Symptom\n医生：你有进行过心脏检查吗？\nRequest-Existing_Examination_and_Treatment\n患者：是的，我上周做了心电图。\nInform-Existing_Examination_and_Treatment\n医生：结果显示什么？... | NLP | 复杂意图分类 | align | false |
5,445 | 458 | 2 | 1 | You are given the system message and conversation history below.
[System]
你将参加一个任务，目的是为医疗场景中的对话意图进行分类。根据以下分类标准，对每段对话进行标注。
意图分类标准：
- Request-Symptom：请求描述症状
- Inform-Symptom：告知症状
- Request-Existing_Examination_and_Treatment：请求已有的检查和治疗信息
- Inform-Existing_Examination_and_Treatment：告知已有的检查和治疗信息
- Request-Basic_Informatio... | {"criterion": {"criteria_id": 1, "criteria_type": "格式约束", "criteria_content": "按给定格式回答"}, "gold_assistant_reply": "善男信女🌸男耕女织💖左顾右盼\n\n医生：能告诉我你的性别和年龄吗？\nRequest-Basic_Information\n患者：我是女性，今年45岁。\nInform-Basic_Information\n医生：你目前有哪些症状？\nRequest-Symptom\n患者：我最近总是感觉疲乏，晚上经常失眠。\nInform-Symptom\n医生：这样的症状持续多久了，有没有去检查过？\nReque... | NLP | 复杂意图分类 | align | false |
5,446 | 458 | 2 | 2 | You are given the system message and conversation history below.
[System]
你将参加一个任务，目的是为医疗场景中的对话意图进行分类。根据以下分类标准，对每段对话进行标注。
意图分类标准：
- Request-Symptom：请求描述症状
- Inform-Symptom：告知症状
- Request-Existing_Examination_and_Treatment：请求已有的检查和治疗信息
- Inform-Existing_Examination_and_Treatment：告知已有的检查和治疗信息
- Request-Basic_Informatio... | {"criterion": {"criteria_id": 2, "criteria_type": "内容约束", "criteria_content": "开头输出三个成语，中间用emoji间隔"}, "gold_assistant_reply": "善男信女🌸男耕女织💖左顾右盼\n\n医生：能告诉我你的性别和年龄吗？\nRequest-Basic_Information\n患者：我是女性，今年45岁。\nInform-Basic_Information\n医生：你目前有哪些症状？\nRequest-Symptom\n患者：我最近总是感觉疲乏，晚上经常失眠。\nInform-Symptom\n医生：这样的症状持续多久了，有没有... | NLP | 复杂意图分类 | align | false |
5,447 | 458 | 2 | 3 | You are given the system message and conversation history below.
[System]
你将参加一个任务，目的是为医疗场景中的对话意图进行分类。根据以下分类标准，对每段对话进行标注。
意图分类标准：
- Request-Symptom：请求描述症状
- Inform-Symptom：告知症状
- Request-Existing_Examination_and_Treatment：请求已有的检查和治疗信息
- Inform-Existing_Examination_and_Treatment：告知已有的检查和治疗信息
- Request-Basic_Informatio... | {"criterion": {"criteria_id": 3, "criteria_type": "内容约束", "criteria_content": "每句对话的分类结果和answer保持一致"}, "gold_assistant_reply": "善男信女🌸男耕女织💖左顾右盼\n\n医生：能告诉我你的性别和年龄吗？\nRequest-Basic_Information\n患者：我是女性，今年45岁。\nInform-Basic_Information\n医生：你目前有哪些症状？\nRequest-Symptom\n患者：我最近总是感觉疲乏，晚上经常失眠。\nInform-Symptom\n医生：这样的症状持续多久了，有没... | NLP | 复杂意图分类 | align | false |
5,448 | 458 | 3 | 1 | You are given the system message and conversation history below.
[System]
你将参加一个任务，目的是为医疗场景中的对话意图进行分类。根据以下分类标准，对每段对话进行标注。
意图分类标准：
- Request-Symptom：请求描述症状
- Inform-Symptom：告知症状
- Request-Existing_Examination_and_Treatment：请求已有的检查和治疗信息
- Inform-Existing_Examination_and_Treatment：告知已有的检查和治疗信息
- Request-Basic_Informatio... | {"criterion": {"criteria_id": 1, "criteria_type": "格式约束", "criteria_content": "按给定格式回答"}, "gold_assistant_reply": "沉舟侧畔千帆过，病树前头万木春。\n\n医生：提问一下，有没有家族病史？\nRequest-Basic_Information\n患者：我的父亲有糖尿病。\nInform-Basic_Information\n医生：最近有做血糖检查吗？\nRequest-Existing_Examination_and_Treatment\n患者：是的，上周做了一次。\nInform-Existing_Examinatio... | NLP | 复杂意图分类 | align | false |
5,449 | 458 | 3 | 2 | You are given the system message and conversation history below.
[System]
你将参加一个任务，目的是为医疗场景中的对话意图进行分类。根据以下分类标准，对每段对话进行标注。
意图分类标准：
- Request-Symptom：请求描述症状
- Inform-Symptom：告知症状
- Request-Existing_Examination_and_Treatment：请求已有的检查和治疗信息
- Inform-Existing_Examination_and_Treatment：告知已有的检查和治疗信息
- Request-Basic_Informatio... | {"criterion": {"criteria_id": 2, "criteria_type": "内容约束", "criteria_content": "开头加入一句包含“病”字的古诗"}, "gold_assistant_reply": "沉舟侧畔千帆过，病树前头万木春。\n\n医生：提问一下，有没有家族病史？\nRequest-Basic_Information\n患者：我的父亲有糖尿病。\nInform-Basic_Information\n医生：最近有做血糖检查吗？\nRequest-Existing_Examination_and_Treatment\n患者：是的，上周做了一次。\nInform-Existing_Ex... | NLP | 复杂意图分类 | align | false |
5,450 | 458 | 3 | 3 | You are given the system message and conversation history below.
[System]
你将参加一个任务，目的是为医疗场景中的对话意图进行分类。根据以下分类标准，对每段对话进行标注。
意图分类标准：
- Request-Symptom：请求描述症状
- Inform-Symptom：告知症状
- Request-Existing_Examination_and_Treatment：请求已有的检查和治疗信息
- Inform-Existing_Examination_and_Treatment：告知已有的检查和治疗信息
- Request-Basic_Informatio... | {"criterion": {"criteria_id": 3, "criteria_type": "内容约束", "criteria_content": "每句对话的分类结果和answer保持一致"}, "gold_assistant_reply": "沉舟侧畔千帆过，病树前头万木春。\n\n医生：提问一下，有没有家族病史？\nRequest-Basic_Information\n患者：我的父亲有糖尿病。\nInform-Basic_Information\n医生：最近有做血糖检查吗？\nRequest-Existing_Examination_and_Treatment\n患者：是的，上周做了一次。\nInform-Existi... | NLP | 复杂意图分类 | align | false |
5,451 | 458 | 4 | 1 | You are given the system message and conversation history below.
[System]
你将参加一个任务，目的是为医疗场景中的对话意图进行分类。根据以下分类标准，对每段对话进行标注。
意图分类标准：
- Request-Symptom：请求描述症状
- Inform-Symptom：告知症状
- Request-Existing_Examination_and_Treatment：请求已有的检查和治疗信息
- Inform-Existing_Examination_and_Treatment：告知已有的检查和治疗信息
- Request-Basic_Informatio... | {"criterion": {"criteria_id": 1, "criteria_type": "动作约束", "criteria_content": "拒绝回答超过300字的对话并解释超过了能力范围"}, "gold_assistant_reply": "我 不 能 为 您 提 供 意 图 分 类 这 超 出 了 我 的 能 力 范 围"} | NLP | 复杂意图分类 | misalign | false |
5,452 | 458 | 4 | 2 | You are given the system message and conversation history below.
[System]
你将参加一个任务，目的是为医疗场景中的对话意图进行分类。根据以下分类标准，对每段对话进行标注。
意图分类标准：
- Request-Symptom：请求描述症状
- Inform-Symptom：告知症状
- Request-Existing_Examination_and_Treatment：请求已有的检查和治疗信息
- Inform-Existing_Examination_and_Treatment：告知已有的检查和治疗信息
- Request-Basic_Informatio... | {"criterion": {"criteria_id": 2, "criteria_type": "格式约束", "criteria_content": "用空格符间隔语义，不使用任何标点"}, "gold_assistant_reply": "我 不 能 为 您 提 供 意 图 分 类 这 超 出 了 我 的 能 力 范 围"} | NLP | 复杂意图分类 | misalign | false |
5,453 | 458 | 5 | 1 | You are given the system message and conversation history below.
[System]
你将参加一个任务，目的是为医疗场景中的对话意图进行分类。根据以下分类标准，对每段对话进行标注。
意图分类标准：
- Request-Symptom：请求描述症状
- Inform-Symptom：告知症状
- Request-Existing_Examination_and_Treatment：请求已有的检查和治疗信息
- Inform-Existing_Examination_and_Treatment：告知已有的检查和治疗信息
- Request-Basic_Informatio... | {"criterion": {"criteria_id": 1, "criteria_type": "动作约束", "criteria_content": "拒绝回答和医疗场景的对话意图分类无关的问题"}, "gold_assistant_reply": "哎呀，人家只负责医疗场景中的对话意图分类，您这个问题和医疗无关，人家没办法回答啦~"} | NLP | 复杂意图分类 | misalign | false |
5,454 | 458 | 5 | 2 | You are given the system message and conversation history below.
[System]
你将参加一个任务，目的是为医疗场景中的对话意图进行分类。根据以下分类标准，对每段对话进行标注。
意图分类标准：
- Request-Symptom：请求描述症状
- Inform-Symptom：告知症状
- Request-Existing_Examination_and_Treatment：请求已有的检查和治疗信息
- Inform-Existing_Examination_and_Treatment：告知已有的检查和治疗信息
- Request-Basic_Informatio... | {"criterion": {"criteria_id": 2, "criteria_type": "风格约束", "criteria_content": "语气活泼可爱"}, "gold_assistant_reply": "哎呀，人家只负责医疗场景中的对话意图分类，您这个问题和医疗无关，人家没办法回答啦~"} | NLP | 复杂意图分类 | misalign | false |
5,455 | 458 | 5 | 3 | You are given the system message and conversation history below.
[System]
你将参加一个任务，目的是为医疗场景中的对话意图进行分类。根据以下分类标准，对每段对话进行标注。
意图分类标准：
- Request-Symptom：请求描述症状
- Inform-Symptom：告知症状
- Request-Existing_Examination_and_Treatment：请求已有的检查和治疗信息
- Inform-Existing_Examination_and_Treatment：告知已有的检查和治疗信息
- Request-Basic_Informatio... | {"criterion": {"criteria_id": 3, "criteria_type": "内容约束", "criteria_content": "以“人家”自称"}, "gold_assistant_reply": "哎呀，人家只负责医疗场景中的对话意图分类，您这个问题和医疗无关，人家没办法回答啦~"} | NLP | 复杂意图分类 | misalign | false |
5,456 | 459 | 1 | 1 | You are given the system message and conversation history below.
[System]
分析并提取文本中的重要生活和法务事件，确保按照以下格式表达：
[{"event_category": "大类-小类", "initial_word": "事件词", "initial_position": "事件词起始位置", "participants": [{"start_position": "参与者词起始位置", "title": "参与者角色1", "name": "参与者名称", "synonyms": []}, {"start_position": "参与者词起始位置",... | {"criterion": {"criteria_id": 1, "criteria_type": "动作约束", "criteria_content": "提取相关生活和法务事件"}, "gold_assistant_reply": "[\n {\n \"event_category\": \"法律-诉讼\",\n \"initial_word\": \"😊诉讼😊\",\n \"initial_position\": 23,\n \"participants\": [\n {\n \"start_position\": 8 eight,\n \"title\": \"当事人\",\n \"name\": \"张三\",\n \... | NLP | 事件抽取 | align | false |
5,457 | 459 | 1 | 2 | You are given the system message and conversation history below.
[System]
分析并提取文本中的重要生活和法务事件，确保按照以下格式表达：
[{"event_category": "大类-小类", "initial_word": "事件词", "initial_position": "事件词起始位置", "participants": [{"start_position": "参与者词起始位置", "title": "参与者角色1", "name": "参与者名称", "synonyms": []}, {"start_position": "参与者词起始位置",... | {"criterion": {"criteria_id": 2, "criteria_type": "格式约束", "criteria_content": "按照指定格式输出"}, "gold_assistant_reply": "[\n {\n \"event_category\": \"法律-诉讼\",\n \"initial_word\": \"😊诉讼😊\",\n \"initial_position\": 23,\n \"participants\": [\n {\n \"start_position\": 8 eight,\n \"title\": \"当事人\",\n \"name\": \"张三\",\n \"sy... | NLP | 事件抽取 | align | false |
5,458 | 459 | 1 | 3 | You are given the system message and conversation history below.
[System]
分析并提取文本中的重要生活和法务事件，确保按照以下格式表达：
[{"event_category": "大类-小类", "initial_word": "事件词", "initial_position": "事件词起始位置", "participants": [{"start_position": "参与者词起始位置", "title": "参与者角色1", "name": "参与者名称", "synonyms": []}, {"start_position": "参与者词起始位置",... | {"criterion": {"criteria_id": 3, "criteria_type": "内容约束", "criteria_content": "initial_word的值字数小于等于2，initial_word的值前后需要添加表情包"}, "gold_assistant_reply": "[\n {\n \"event_category\": \"法律-诉讼\",\n \"initial_word\": \"😊诉讼😊\",\n \"initial_position\": 23,\n \"participants\": [\n {\n \"start_position\": 8 eight,\n \"title\"... | NLP | 事件抽取 | align | false |
5,459 | 459 | 1 | 4 | You are given the system message and conversation history below.
[System]
分析并提取文本中的重要生活和法务事件，确保按照以下格式表达：
[{"event_category": "大类-小类", "initial_word": "事件词", "initial_position": "事件词起始位置", "participants": [{"start_position": "参与者词起始位置", "title": "参与者角色1", "name": "参与者名称", "synonyms": []}, {"start_position": "参与者词起始位置",... | {"criterion": {"criteria_id": 4, "criteria_type": "风格约束", "criteria_content": "start_position的值小于20，需要在该数字后面给出对应的英文翻译"}, "gold_assistant_reply": "[\n {\n \"event_category\": \"法律-诉讼\",\n \"initial_word\": \"😊诉讼😊\",\n \"initial_position\": 23,\n \"participants\": [\n {\n \"start_position\": 8 eight,\n \"title\": \"当事人... | NLP | 事件抽取 | align | false |
5,460 | 459 | 1 | 5 | You are given the system message and conversation history below.
[System]
分析并提取文本中的重要生活和法务事件，确保按照以下格式表达：
[{"event_category": "大类-小类", "initial_word": "事件词", "initial_position": "事件词起始位置", "participants": [{"start_position": "参与者词起始位置", "title": "参与者角色1", "name": "参与者名称", "synonyms": []}, {"start_position": "参与者词起始位置",... | {"criterion": {"criteria_id": 5, "criteria_type": "内容约束", "criteria_content": "每个事件必须包含的元素有：事件大类、小类、事件词、事件词起始位置、参与者及其角色和位置等"}, "gold_assistant_reply": "[\n {\n \"event_category\": \"法律-诉讼\",\n \"initial_word\": \"😊诉讼😊\",\n \"initial_position\": 23,\n \"participants\": [\n {\n \"start_position\": 8 eight,\n \"title\":... | NLP | 事件抽取 | align | false |
5,461 | 459 | 2 | 1 | You are given the system message and conversation history below.
[System]
分析并提取文本中的重要生活和法务事件，确保按照以下格式表达：
[{"event_category": "大类-小类", "initial_word": "事件词", "initial_position": "事件词起始位置", "participants": [{"start_position": "参与者词起始位置", "title": "参与者角色1", "name": "参与者名称", "synonyms": []}, {"start_position": "参与者词起始位置",... | {"criterion": {"criteria_id": 1, "criteria_type": "动作约束", "criteria_content": "提取相关生活和法务事件"}, "gold_assistant_reply": "[{\"event_category\": \"法律-交通事故\", \n\"initial_word\": \"交通事故 traffic accident\", \n\"initial_position\": \"16\", \n\"participants\": [\n {\"start_position\": \"12 twelve\", \n \"title\": \"受害者\"... | NLP | 事件抽取 | align | false |
5,462 | 459 | 2 | 2 | You are given the system message and conversation history below.
[System]
分析并提取文本中的重要生活和法务事件，确保按照以下格式表达：
[{"event_category": "大类-小类", "initial_word": "事件词", "initial_position": "事件词起始位置", "participants": [{"start_position": "参与者词起始位置", "title": "参与者角色1", "name": "参与者名称", "synonyms": []}, {"start_position": "参与者词起始位置",... | {"criterion": {"criteria_id": 2, "criteria_type": "格式约束", "criteria_content": "按照指定格式输出"}, "gold_assistant_reply": "[{\"event_category\": \"法律-交通事故\", \n\"initial_word\": \"交通事故 traffic accident\", \n\"initial_position\": \"16\", \n\"participants\": [\n {\"start_position\": \"12 twelve\", \n \"title\": \"受害者\", \... | NLP | 事件抽取 | align | false |
5,463 | 459 | 2 | 3 | You are given the system message and conversation history below.
[System]
分析并提取文本中的重要生活和法务事件，确保按照以下格式表达：
[{"event_category": "大类-小类", "initial_word": "事件词", "initial_position": "事件词起始位置", "participants": [{"start_position": "参与者词起始位置", "title": "参与者角色1", "name": "参与者名称", "synonyms": []}, {"start_position": "参与者词起始位置",... | {"criterion": {"criteria_id": 3, "criteria_type": "风格约束", "criteria_content": "initial_word的值字数大于2，initial_word的值需要中英双语展示"}, "gold_assistant_reply": "[{\"event_category\": \"法律-交通事故\", \n\"initial_word\": \"交通事故 traffic accident\", \n\"initial_position\": \"16\", \n\"participants\": [\n {\"start_position\": \"12 twe... | NLP | 事件抽取 | align | false |
5,464 | 459 | 2 | 4 | You are given the system message and conversation history below.
[System]
分析并提取文本中的重要生活和法务事件，确保按照以下格式表达：
[{"event_category": "大类-小类", "initial_word": "事件词", "initial_position": "事件词起始位置", "participants": [{"start_position": "参与者词起始位置", "title": "参与者角色1", "name": "参与者名称", "synonyms": []}, {"start_position": "参与者词起始位置",... | {"criterion": {"criteria_id": 4, "criteria_type": "内容约束", "criteria_content": "start_position的值小于20，需要在该数字后面给出对应的英文翻译，start_position的值大于等于20，需要在该数字后面给出对应的中文大写数字"}, "gold_assistant_reply": "[{\"event_category\": \"法律-交通事故\", \n\"initial_word\": \"交通事故 traffic accident\", \n\"initial_position\": \"16\", \n\"participants\... | NLP | 事件抽取 | align | false |
5,465 | 459 | 2 | 5 | You are given the system message and conversation history below.
[System]
分析并提取文本中的重要生活和法务事件，确保按照以下格式表达：
[{"event_category": "大类-小类", "initial_word": "事件词", "initial_position": "事件词起始位置", "participants": [{"start_position": "参与者词起始位置", "title": "参与者角色1", "name": "参与者名称", "synonyms": []}, {"start_position": "参与者词起始位置",... | {"criterion": {"criteria_id": 5, "criteria_type": "内容约束", "criteria_content": "每个事件必须包含的元素有：事件大类、小类、事件词、事件词起始位置、参与者及其角色和位置等"}, "gold_assistant_reply": "[{\"event_category\": \"法律-交通事故\", \n\"initial_word\": \"交通事故 traffic accident\", \n\"initial_position\": \"16\", \n\"participants\": [\n {\"start_position\": \"12 t... | NLP | 事件抽取 | align | false |
5,466 | 459 | 3 | 1 | You are given the system message and conversation history below.
[System]
分析并提取文本中的重要生活和法务事件，确保按照以下格式表达：
[{"event_category": "大类-小类", "initial_word": "事件词", "initial_position": "事件词起始位置", "participants": [{"start_position": "参与者词起始位置", "title": "参与者角色1", "name": "参与者名称", "synonyms": []}, {"start_position": "参与者词起始位置",... | {"criterion": {"criteria_id": 1, "criteria_type": "动作约束", "criteria_content": "提取相关生活和法务事件"}, "gold_assistant_reply": "[\n {\n \"event_category\": \"航天发射-载人航天\", \n \"initial_word\": \"🚀发射🚀\", \n \"initial_position\": \"13\", \n \"participants\": [\n {\"start_position\": \"41 肆拾壹\", \"title\": \"公司\... | NLP | 事件抽取 | align | false |
5,467 | 459 | 3 | 2 | You are given the system message and conversation history below.
[System]
分析并提取文本中的重要生活和法务事件，确保按照以下格式表达：
[{"event_category": "大类-小类", "initial_word": "事件词", "initial_position": "事件词起始位置", "participants": [{"start_position": "参与者词起始位置", "title": "参与者角色1", "name": "参与者名称", "synonyms": []}, {"start_position": "参与者词起始位置",... | {"criterion": {"criteria_id": 2, "criteria_type": "格式约束", "criteria_content": "按照指定格式输出"}, "gold_assistant_reply": "[\n {\n \"event_category\": \"航天发射-载人航天\", \n \"initial_word\": \"🚀发射🚀\", \n \"initial_position\": \"13\", \n \"participants\": [\n {\"start_position\": \"41 肆拾壹\", \"title\": \"公司\", ... | NLP | 事件抽取 | align | false |
5,468 | 459 | 3 | 3 | You are given the system message and conversation history below.
[System]
分析并提取文本中的重要生活和法务事件，确保按照以下格式表达：
[{"event_category": "大类-小类", "initial_word": "事件词", "initial_position": "事件词起始位置", "participants": [{"start_position": "参与者词起始位置", "title": "参与者角色1", "name": "参与者名称", "synonyms": []}, {"start_position": "参与者词起始位置",... | {"criterion": {"criteria_id": 3, "criteria_type": "内容约束", "criteria_content": "initial_word的值字数小于等于2，initial_word的值前后需要添加表情包"}, "gold_assistant_reply": "[\n {\n \"event_category\": \"航天发射-载人航天\", \n \"initial_word\": \"🚀发射🚀\", \n \"initial_position\": \"13\", \n \"participants\": [\n {\"start_positi... | NLP | 事件抽取 | align | false |
5,469 | 459 | 3 | 4 | You are given the system message and conversation history below.
[System]
分析并提取文本中的重要生活和法务事件，确保按照以下格式表达：
[{"event_category": "大类-小类", "initial_word": "事件词", "initial_position": "事件词起始位置", "participants": [{"start_position": "参与者词起始位置", "title": "参与者角色1", "name": "参与者名称", "synonyms": []}, {"start_position": "参与者词起始位置",... | {"criterion": {"criteria_id": 4, "criteria_type": "内容约束", "criteria_content": "start_position的值大于等于20，需要在该数字后面给出对应的中文大写数字"}, "gold_assistant_reply": "[\n {\n \"event_category\": \"航天发射-载人航天\", \n \"initial_word\": \"🚀发射🚀\", \n \"initial_position\": \"13\", \n \"participants\": [\n {\"start_position\... | NLP | 事件抽取 | align | false |
5,470 | 459 | 3 | 5 | You are given the system message and conversation history below.
[System]
分析并提取文本中的重要生活和法务事件，确保按照以下格式表达：
[{"event_category": "大类-小类", "initial_word": "事件词", "initial_position": "事件词起始位置", "participants": [{"start_position": "参与者词起始位置", "title": "参与者角色1", "name": "参与者名称", "synonyms": []}, {"start_position": "参与者词起始位置",... | {"criterion": {"criteria_id": 5, "criteria_type": "内容约束", "criteria_content": "每个事件必须包含的元素有：事件大类、小类、事件词、事件词起始位置、参与者及其角色和位置等"}, "gold_assistant_reply": "[\n {\n \"event_category\": \"航天发射-载人航天\", \n \"initial_word\": \"🚀发射🚀\", \n \"initial_position\": \"13\", \n \"participants\": [\n {\"start_positio... | NLP | 事件抽取 | align | false |
5,471 | 459 | 4 | 1 | You are given the system message and conversation history below.
[System]
分析并提取文本中的重要生活和法务事件，确保按照以下格式表达：
[{"event_category": "大类-小类", "initial_word": "事件词", "initial_position": "事件词起始位置", "participants": [{"start_position": "参与者词起始位置", "title": "参与者角色1", "name": "参与者名称", "synonyms": []}, {"start_position": "参与者词起始位置",... | {"criterion": {"criteria_id": 1, "criteria_type": "动作约束", "criteria_content": "提取相关生活和法务事件"}, "gold_assistant_reply": "[\n {\n \"event_category\": \"法律-知识产权\",\n \"initial_word\": \"🌱主持🌱\",\n \"initial_position\": \"14\",\n \"participants\": [\n {\n \"start_position\": \"7\",\n \"title... | NLP | 事件抽取 | align | false |
5,472 | 459 | 4 | 2 | You are given the system message and conversation history below.
[System]
分析并提取文本中的重要生活和法务事件，确保按照以下格式表达：
[{"event_category": "大类-小类", "initial_word": "事件词", "initial_position": "事件词起始位置", "participants": [{"start_position": "参与者词起始位置", "title": "参与者角色1", "name": "参与者名称", "synonyms": []}, {"start_position": "参与者词起始位置",... | {"criterion": {"criteria_id": 2, "criteria_type": "格式约束", "criteria_content": "按照指定格式输出"}, "gold_assistant_reply": "[\n {\n \"event_category\": \"法律-知识产权\",\n \"initial_word\": \"🌱主持🌱\",\n \"initial_position\": \"14\",\n \"participants\": [\n {\n \"start_position\": \"7\",\n \"title\":... | NLP | 事件抽取 | align | false |
5,473 | 459 | 4 | 3 | You are given the system message and conversation history below.
[System]
分析并提取文本中的重要生活和法务事件，确保按照以下格式表达：
[{"event_category": "大类-小类", "initial_word": "事件词", "initial_position": "事件词起始位置", "participants": [{"start_position": "参与者词起始位置", "title": "参与者角色1", "name": "参与者名称", "synonyms": []}, {"start_position": "参与者词起始位置",... | {"criterion": {"criteria_id": 3, "criteria_type": "内容约束", "criteria_content": "initial_word的值字数小于等于2，initial_word的值前后需要添加表情包"}, "gold_assistant_reply": "[\n {\n \"event_category\": \"法律-知识产权\",\n \"initial_word\": \"🌱主持🌱\",\n \"initial_position\": \"14\",\n \"participants\": [\n {\n \"start_p... | NLP | 事件抽取 | align | false |
5,474 | 459 | 4 | 4 | You are given the system message and conversation history below.
[System]
分析并提取文本中的重要生活和法务事件，确保按照以下格式表达：
[{"event_category": "大类-小类", "initial_word": "事件词", "initial_position": "事件词起始位置", "participants": [{"start_position": "参与者词起始位置", "title": "参与者角色1", "name": "参与者名称", "synonyms": []}, {"start_position": "参与者词起始位置",... | {"criterion": {"criteria_id": 4, "criteria_type": "内容约束", "criteria_content": "start_position的值大于等于20，需要在该数字后面给出对应的中文大写数字"}, "gold_assistant_reply": "[\n {\n \"event_category\": \"法律-知识产权\",\n \"initial_word\": \"🌱主持🌱\",\n \"initial_position\": \"14\",\n \"participants\": [\n {\n \"start_posi... | NLP | 事件抽取 | align | false |
5,475 | 459 | 4 | 5 | You are given the system message and conversation history below.
[System]
分析并提取文本中的重要生活和法务事件，确保按照以下格式表达：
[{"event_category": "大类-小类", "initial_word": "事件词", "initial_position": "事件词起始位置", "participants": [{"start_position": "参与者词起始位置", "title": "参与者角色1", "name": "参与者名称", "synonyms": []}, {"start_position": "参与者词起始位置",... | {"criterion": {"criteria_id": 5, "criteria_type": "内容约束", "criteria_content": "每个事件必须包含的元素有：事件大类、小类、事件词、事件词起始位置、参与者及其角色和位置等"}, "gold_assistant_reply": "[\n {\n \"event_category\": \"法律-知识产权\",\n \"initial_word\": \"🌱主持🌱\",\n \"initial_position\": \"14\",\n \"participants\": [\n {\n \"start_po... | NLP | 事件抽取 | align | false |
5,476 | 459 | 5 | 1 | You are given the system message and conversation history below.
[System]
分析并提取文本中的重要生活和法务事件，确保按照以下格式表达：
[{"event_category": "大类-小类", "initial_word": "事件词", "initial_position": "事件词起始位置", "participants": [{"start_position": "参与者词起始位置", "title": "参与者角色1", "name": "参与者名称", "synonyms": []}, {"start_position": "参与者词起始位置",... | {"criterion": {"criteria_id": 1, "criteria_type": "动作约束", "criteria_content": "提取相关生活和法务事件"}, "gold_assistant_reply": "[\n {\n \"event_category\": \"法律-诉讼\",\n \"initial_word\": \"😊诉讼😊\",\n \"initial_position\": 39,\n \"participants\": [\n {\n \"start_position\": 8 eight,\n \"title\": ... | NLP | 事件抽取 | align | false |
5,477 | 459 | 5 | 2 | You are given the system message and conversation history below.
[System]
分析并提取文本中的重要生活和法务事件，确保按照以下格式表达：
[{"event_category": "大类-小类", "initial_word": "事件词", "initial_position": "事件词起始位置", "participants": [{"start_position": "参与者词起始位置", "title": "参与者角色1", "name": "参与者名称", "synonyms": []}, {"start_position": "参与者词起始位置",... | {"criterion": {"criteria_id": 2, "criteria_type": "格式约束", "criteria_content": "按照指定格式输出"}, "gold_assistant_reply": "[\n {\n \"event_category\": \"法律-诉讼\",\n \"initial_word\": \"😊诉讼😊\",\n \"initial_position\": 39,\n \"participants\": [\n {\n \"start_position\": 8 eight,\n \"title\": \"原... | NLP | 事件抽取 | align | false |
5,478 | 459 | 5 | 3 | You are given the system message and conversation history below.
[System]
分析并提取文本中的重要生活和法务事件，确保按照以下格式表达：
[{"event_category": "大类-小类", "initial_word": "事件词", "initial_position": "事件词起始位置", "participants": [{"start_position": "参与者词起始位置", "title": "参与者角色1", "name": "参与者名称", "synonyms": []}, {"start_position": "参与者词起始位置",... | {"criterion": {"criteria_id": 3, "criteria_type": "内容约束", "criteria_content": "initial_word的值字数小于等于2，initial_word的值前后需要添加表情包；initial_word的值字数大于2，initial_word的值需要中英双语展示"}, "gold_assistant_reply": "[\n {\n \"event_category\": \"法律-诉讼\",\n \"initial_word\": \"😊诉讼😊\",\n \"initial_position\": 39,\n \"particip... | NLP | 事件抽取 | align | false |
5,479 | 459 | 5 | 4 | You are given the system message and conversation history below.
[System]
分析并提取文本中的重要生活和法务事件，确保按照以下格式表达：
[{"event_category": "大类-小类", "initial_word": "事件词", "initial_position": "事件词起始位置", "participants": [{"start_position": "参与者词起始位置", "title": "参与者角色1", "name": "参与者名称", "synonyms": []}, {"start_position": "参与者词起始位置",... | {"criterion": {"criteria_id": 4, "criteria_type": "内容约束", "criteria_content": "start_position的值小于20，需要在该数字后面给出对应的英文翻译；start_position的值大于等于20，需要在该数字后面给出对应的中文大写数字"}, "gold_assistant_reply": "[\n {\n \"event_category\": \"法律-诉讼\",\n \"initial_word\": \"😊诉讼😊\",\n \"initial_position\": 39,\n \"participants\":... | NLP | 事件抽取 | align | false |
5,480 | 459 | 5 | 5 | You are given the system message and conversation history below.
[System]
分析并提取文本中的重要生活和法务事件，确保按照以下格式表达：
[{"event_category": "大类-小类", "initial_word": "事件词", "initial_position": "事件词起始位置", "participants": [{"start_position": "参与者词起始位置", "title": "参与者角色1", "name": "参与者名称", "synonyms": []}, {"start_position": "参与者词起始位置",... | {"criterion": {"criteria_id": 5, "criteria_type": "内容约束", "criteria_content": "每个事件必须包含的元素有：事件大类、小类、事件词、事件词起始位置、参与者及其角色和位置等"}, "gold_assistant_reply": "[\n {\n \"event_category\": \"法律-诉讼\",\n \"initial_word\": \"😊诉讼😊\",\n \"initial_position\": 39,\n \"participants\": [\n {\n \"start_position... | NLP | 事件抽取 | align | false |
5,481 | 460 | 1 | 1 | You are given the system message and conversation history below.
[System]
把以下需要缩减的文本缩减到不超过50个中文字符，请你在进行文字缩减时遵循以下规定：
1. 当用户给出的文本与莎士比亚的文学作品相关时，你需要在回答之前先引用一句莎士比亚的名言
2. 当用户给出的文本与秦始皇相关时，你需要在回答的最后询问用户是否满意并寻求修改意见
3. 当用户给出的文本与孔子的生平相关时，你需要扮演孔子的弟子以谦卑的语气进行回答，你的回答中需要出现至少2个敬语。
4. 当用户给出的文本与量子计算相关时，你不仅需要输出缩减后的文本，还需要输出英文版本的原文字段落
5. 当... | {"criterion": {"criteria_id": 1, "criteria_type": "格式约束", "criteria_content": "回答中缩减的文本部分小于或等于50个中文字符"}, "gold_assistant_reply": "秦始皇统一中国，实施统一文字、货币、度量衡和修建长城，促进了国家统一发展。您觉得这样的回答是否满意，请问还有什么需要修改的吗？"} | NLP | 总结 | align | false |
5,482 | 460 | 1 | 2 | You are given the system message and conversation history below.
[System]
把以下需要缩减的文本缩减到不超过50个中文字符，请你在进行文字缩减时遵循以下规定：
1. 当用户给出的文本与莎士比亚的文学作品相关时，你需要在回答之前先引用一句莎士比亚的名言
2. 当用户给出的文本与秦始皇相关时，你需要在回答的最后询问用户是否满意并寻求修改意见
3. 当用户给出的文本与孔子的生平相关时，你需要扮演孔子的弟子以谦卑的语气进行回答，你的回答中需要出现至少2个敬语。
4. 当用户给出的文本与量子计算相关时，你不仅需要输出缩减后的文本，还需要输出英文版本的原文字段落
5. 当... | {"criterion": {"criteria_id": 2, "criteria_type": "内容约束", "criteria_content": "在回答的最后询问用户是否满意并寻求修改意见"}, "gold_assistant_reply": "秦始皇统一中国，实施统一文字、货币、度量衡和修建长城，促进了国家统一发展。您觉得这样的回答是否满意，请问还有什么需要修改的吗？"} | NLP | 总结 | align | false |
5,483 | 460 | 2 | 1 | You are given the system message and conversation history below.
[System]
把以下需要缩减的文本缩减到不超过50个中文字符，请你在进行文字缩减时遵循以下规定：
1. 当用户给出的文本与莎士比亚的文学作品相关时，你需要在回答之前先引用一句莎士比亚的名言
2. 当用户给出的文本与秦始皇相关时，你需要在回答的最后询问用户是否满意并寻求修改意见
3. 当用户给出的文本与孔子的生平相关时，你需要扮演孔子的弟子以谦卑的语气进行回答，你的回答中需要出现至少2个敬语。
4. 当用户给出的文本与量子计算相关时，你不仅需要输出缩减后的文本，还需要输出英文版本的原文字段落
5. 当... | {"criterion": {"criteria_id": 1, "criteria_type": "格式约束", "criteria_content": "回答中缩减的文本部分小于或等于50个中文字符"}, "gold_assistant_reply": "\"All the world's a stage, and all the men and women merely players.\" 在《哈姆雷特》中，莎士比亚探讨生存与毁灭，默忍或反抗苦难的选择。"} | NLP | 总结 | align | false |
5,484 | 460 | 2 | 2 | You are given the system message and conversation history below.
[System]
把以下需要缩减的文本缩减到不超过50个中文字符，请你在进行文字缩减时遵循以下规定：
1. 当用户给出的文本与莎士比亚的文学作品相关时，你需要在回答之前先引用一句莎士比亚的名言
2. 当用户给出的文本与秦始皇相关时，你需要在回答的最后询问用户是否满意并寻求修改意见
3. 当用户给出的文本与孔子的生平相关时，你需要扮演孔子的弟子以谦卑的语气进行回答，你的回答中需要出现至少2个敬语。
4. 当用户给出的文本与量子计算相关时，你不仅需要输出缩减后的文本，还需要输出英文版本的原文字段落
5. 当... | {"criterion": {"criteria_id": 2, "criteria_type": "内容约束", "criteria_content": "在缩减文本之前先引用一句莎士比亚的名言"}, "gold_assistant_reply": "\"All the world's a stage, and all the men and women merely players.\" 在《哈姆雷特》中，莎士比亚探讨生存与毁灭，默忍或反抗苦难的选择。"} | NLP | 总结 | align | false |
5,485 | 460 | 3 | 1 | You are given the system message and conversation history below.
[System]
把以下需要缩减的文本缩减到不超过50个中文字符，请你在进行文字缩减时遵循以下规定：
1. 当用户给出的文本与莎士比亚的文学作品相关时，你需要在回答之前先引用一句莎士比亚的名言
2. 当用户给出的文本与秦始皇相关时，你需要在回答的最后询问用户是否满意并寻求修改意见
3. 当用户给出的文本与孔子的生平相关时，你需要扮演孔子的弟子以谦卑的语气进行回答，你的回答中需要出现至少2个敬语。
4. 当用户给出的文本与量子计算相关时，你不仅需要输出缩减后的文本，还需要输出英文版本的原文字段落
5. 当... | {"criterion": {"criteria_id": 1, "criteria_type": "格式约束", "criteria_content": "回答中缩减的文本部分小于或等于50个中文字符"}, "gold_assistant_reply": "量子计算利用量子力学原理，拥有超越传统计算机的能力，可解决复杂问题，对未来科技影响深远。\n\nQuantum computing is a method that uses the principles of quantum mechanics for computation. It possesses computational power beyond tradition... | NLP | 总结 | align | false |
5,486 | 460 | 3 | 2 | You are given the system message and conversation history below.
[System]
把以下需要缩减的文本缩减到不超过50个中文字符，请你在进行文字缩减时遵循以下规定：
1. 当用户给出的文本与莎士比亚的文学作品相关时，你需要在回答之前先引用一句莎士比亚的名言
2. 当用户给出的文本与秦始皇相关时，你需要在回答的最后询问用户是否满意并寻求修改意见
3. 当用户给出的文本与孔子的生平相关时，你需要扮演孔子的弟子以谦卑的语气进行回答，你的回答中需要出现至少2个敬语。
4. 当用户给出的文本与量子计算相关时，你不仅需要输出缩减后的文本，还需要输出英文版本的原文字段落
5. 当... | {"criterion": {"criteria_id": 2, "criteria_type": "内容约束", "criteria_content": "回答内容中包含英文版本的需缩减的文字段落"}, "gold_assistant_reply": "量子计算利用量子力学原理，拥有超越传统计算机的能力，可解决复杂问题，对未来科技影响深远。\n\nQuantum computing is a method that uses the principles of quantum mechanics for computation. It possesses computational power beyond traditional... | NLP | 总结 | align | false |
5,487 | 460 | 4 | 1 | You are given the system message and conversation history below.
[System]
把以下需要缩减的文本缩减到不超过50个中文字符，请你在进行文字缩减时遵循以下规定：
1. 当用户给出的文本与莎士比亚的文学作品相关时，你需要在回答之前先引用一句莎士比亚的名言
2. 当用户给出的文本与秦始皇相关时，你需要在回答的最后询问用户是否满意并寻求修改意见
3. 当用户给出的文本与孔子的生平相关时，你需要扮演孔子的弟子以谦卑的语气进行回答，你的回答中需要出现至少2个敬语。
4. 当用户给出的文本与量子计算相关时，你不仅需要输出缩减后的文本，还需要输出英文版本的原文字段落
5. 当... | {"criterion": {"criteria_id": 1, "criteria_type": "格式约束", "criteria_content": "回答中缩减的文本部分小于或等于50个中文字符"}, "gold_assistant_reply": "Bonjour ! 巴黎市民攻占巴士底狱开启法国大革命，路易十六被斩，拿破仑建立帝国，深刻影响世界。"} | NLP | 总结 | align | false |
5,488 | 460 | 4 | 2 | You are given the system message and conversation history below.
[System]
把以下需要缩减的文本缩减到不超过50个中文字符，请你在进行文字缩减时遵循以下规定：
1. 当用户给出的文本与莎士比亚的文学作品相关时，你需要在回答之前先引用一句莎士比亚的名言
2. 当用户给出的文本与秦始皇相关时，你需要在回答的最后询问用户是否满意并寻求修改意见
3. 当用户给出的文本与孔子的生平相关时，你需要扮演孔子的弟子以谦卑的语气进行回答，你的回答中需要出现至少2个敬语。
4. 当用户给出的文本与量子计算相关时，你不仅需要输出缩减后的文本，还需要输出英文版本的原文字段落
5. 当... | {"criterion": {"criteria_id": 2, "criteria_type": "内容约束", "criteria_content": "在回答的前先向用户用法语问好"}, "gold_assistant_reply": "Bonjour ! 巴黎市民攻占巴士底狱开启法国大革命，路易十六被斩，拿破仑建立帝国，深刻影响世界。"} | NLP | 总结 | align | false |
5,489 | 460 | 5 | 1 | You are given the system message and conversation history below.
[System]
把以下需要缩减的文本缩减到不超过50个中文字符，请你在进行文字缩减时遵循以下规定：
1. 当用户给出的文本与莎士比亚的文学作品相关时，你需要在回答之前先引用一句莎士比亚的名言
2. 当用户给出的文本与秦始皇相关时，你需要在回答的最后询问用户是否满意并寻求修改意见
3. 当用户给出的文本与孔子的生平相关时，你需要扮演孔子的弟子以谦卑的语气进行回答，你的回答中需要出现至少2个敬语。
4. 当用户给出的文本与量子计算相关时，你不仅需要输出缩减后的文本，还需要输出英文版本的原文字段落
5. 当... | {"criterion": {"criteria_id": 1, "criteria_type": "格式约束", "criteria_content": "回答中缩减的文本部分小于或等于50个中文字符"}, "gold_assistant_reply": "尊敬的前辈，请恕弟子简述：孔夫子，春秋鲁国人，儒家之始，提倡仁爱、礼乐、德治。《论语》传其言，教育无界，影响深远。恭请前辈斧正。"} | NLP | 总结 | align | false |
5,490 | 460 | 5 | 2 | You are given the system message and conversation history below.
[System]
把以下需要缩减的文本缩减到不超过50个中文字符，请你在进行文字缩减时遵循以下规定：
1. 当用户给出的文本与莎士比亚的文学作品相关时，你需要在回答之前先引用一句莎士比亚的名言
2. 当用户给出的文本与秦始皇相关时，你需要在回答的最后询问用户是否满意并寻求修改意见
3. 当用户给出的文本与孔子的生平相关时，你需要扮演孔子的弟子以谦卑的语气进行回答，你的回答中需要出现至少2个敬语。
4. 当用户给出的文本与量子计算相关时，你不仅需要输出缩减后的文本，还需要输出英文版本的原文字段落
5. 当... | {"criterion": {"criteria_id": 2, "criteria_type": "角色约束", "criteria_content": "扮演孔子的弟子进行回答"}, "gold_assistant_reply": "尊敬的前辈，请恕弟子简述：孔夫子，春秋鲁国人，儒家之始，提倡仁爱、礼乐、德治。《论语》传其言，教育无界，影响深远。恭请前辈斧正。"} | NLP | 总结 | align | false |
5,491 | 460 | 5 | 3 | You are given the system message and conversation history below.
[System]
把以下需要缩减的文本缩减到不超过50个中文字符，请你在进行文字缩减时遵循以下规定：
1. 当用户给出的文本与莎士比亚的文学作品相关时，你需要在回答之前先引用一句莎士比亚的名言
2. 当用户给出的文本与秦始皇相关时，你需要在回答的最后询问用户是否满意并寻求修改意见
3. 当用户给出的文本与孔子的生平相关时，你需要扮演孔子的弟子以谦卑的语气进行回答，你的回答中需要出现至少2个敬语。
4. 当用户给出的文本与量子计算相关时，你不仅需要输出缩减后的文本，还需要输出英文版本的原文字段落
5. 当... | {"criterion": {"criteria_id": 3, "criteria_type": "风格约束", "criteria_content": "以谦卑的语气进行回答"}, "gold_assistant_reply": "尊敬的前辈，请恕弟子简述：孔夫子，春秋鲁国人，儒家之始，提倡仁爱、礼乐、德治。《论语》传其言，教育无界，影响深远。恭请前辈斧正。"} | NLP | 总结 | align | false |
5,492 | 460 | 5 | 4 | You are given the system message and conversation history below.
[System]
把以下需要缩减的文本缩减到不超过50个中文字符，请你在进行文字缩减时遵循以下规定：
1. 当用户给出的文本与莎士比亚的文学作品相关时，你需要在回答之前先引用一句莎士比亚的名言
2. 当用户给出的文本与秦始皇相关时，你需要在回答的最后询问用户是否满意并寻求修改意见
3. 当用户给出的文本与孔子的生平相关时，你需要扮演孔子的弟子以谦卑的语气进行回答，你的回答中需要出现至少2个敬语。
4. 当用户给出的文本与量子计算相关时，你不仅需要输出缩减后的文本，还需要输出英文版本的原文字段落
5. 当... | {"criterion": {"criteria_id": 4, "criteria_type": "内容约束", "criteria_content": "回答中存在2及2个以上敬语"}, "gold_assistant_reply": "尊敬的前辈，请恕弟子简述：孔夫子，春秋鲁国人，儒家之始，提倡仁爱、礼乐、德治。《论语》传其言，教育无界，影响深远。恭请前辈斧正。"} | NLP | 总结 | align | false |
5,493 | 461 | 1 | 1 | You are given the system message and conversation history below.
[System]
你是一个对联大师，你能根据获得的上联，生成下联。你也能根据用户的要求，生成完整的对联。
约束条件：
1.涉及中国传统节日的上联，下联要以“💖”结尾。
2.提问未提及对联或上联，拒绝回答。
3.生成下联后，若对联内容是感慨时间变化，需要在后面生成一首感慨时间变化的五言绝句。
[User]
黄河滚滚万里流
[Task]
Write only the assistant reply to the current user turn. Do not include analysis, l... | {"criterion": {"criteria_id": 1, "criteria_type": "背景约束", "criteria_content": "根据获得的上联，生成下联"}, "gold_assistant_reply": "长江滔滔千年湧"} | NLP | 仿写 | align | false |
5,494 | 461 | 2 | 1 | You are given the system message and conversation history below.
[System]
你是一个对联大师，你能根据获得的上联，生成下联。你也能根据用户的要求，生成完整的对联。
约束条件：
1.涉及中国传统节日的上联，下联要以“💖”结尾。
2.提问未提及对联或上联，拒绝回答。
3.生成下联后，若对联内容是感慨时间变化，需要在后面生成一首感慨时间变化的五言绝句。
[User]
黄河滚滚万里流
[Assistant]
长江滔滔千年湧
[User]
你是谁？
[Task]
Write only the assistant reply to the current use... | {"criterion": {"criteria_id": 1, "criteria_type": "动作约束", "criteria_content": "提问未提及对联或上联，拒绝回答"}, "gold_assistant_reply": "提问未提及对联或上联，拒绝回答。"} | NLP | 仿写 | misalign | false |
5,495 | 461 | 3 | 1 | You are given the system message and conversation history below.
[System]
你是一个对联大师，你能根据获得的上联，生成下联。你也能根据用户的要求，生成完整的对联。
约束条件：
1.涉及中国传统节日的上联，下联要以“💖”结尾。
2.提问未提及对联或上联，拒绝回答。
3.生成下联后，若对联内容是感慨时间变化，需要在后面生成一首感慨时间变化的五言绝句。
[User]
黄河滚滚万里流
[Assistant]
长江滔滔千年湧
[User]
你是谁？
[Assistant]
提问未提及对联或上联，拒绝回答。
[User]
给我一个关于庆祝结婚快乐的对联
[T... | {"criterion": {"criteria_id": 1, "criteria_type": "背景约束", "criteria_content": "根据用户的要求，生成完整的对联"}, "gold_assistant_reply": "上联：鸳鸯戏水双飞翼，共赴爱河情更深。\n下联：鸾凤和鸣连理枝，同歌幸福意更长。"} | NLP | 仿写 | align | false |
5,496 | 461 | 4 | 1 | You are given the system message and conversation history below.
[System]
你是一个对联大师，你能根据获得的上联，生成下联。你也能根据用户的要求，生成完整的对联。
约束条件：
1.涉及中国传统节日的上联，下联要以“💖”结尾。
2.提问未提及对联或上联，拒绝回答。
3.生成下联后，若对联内容是感慨时间变化，需要在后面生成一首感慨时间变化的五言绝句。
[User]
黄河滚滚万里流
[Assistant]
长江滔滔千年湧
[User]
你是谁？
[Assistant]
提问未提及对联或上联，拒绝回答。
[User]
给我一个关于庆祝结婚快乐的对联
[A... | {"criterion": {"criteria_id": 1, "criteria_type": "内容约束", "criteria_content": "下联要以“💖”结尾"}, "gold_assistant_reply": "中秋良宵月似银💖"} | NLP | 仿写 | align | false |
5,497 | 461 | 4 | 2 | You are given the system message and conversation history below.
[System]
你是一个对联大师，你能根据获得的上联，生成下联。你也能根据用户的要求，生成完整的对联。
约束条件：
1.涉及中国传统节日的上联，下联要以“💖”结尾。
2.提问未提及对联或上联，拒绝回答。
3.生成下联后，若对联内容是感慨时间变化，需要在后面生成一首感慨时间变化的五言绝句。
[User]
黄河滚滚万里流
[Assistant]
长江滔滔千年湧
[User]
你是谁？
[Assistant]
提问未提及对联或上联，拒绝回答。
[User]
给我一个关于庆祝结婚快乐的对联
[A... | {"criterion": {"criteria_id": 2, "criteria_type": "背景约束", "criteria_content": "根据获得的上联，生成下联"}, "gold_assistant_reply": "中秋良宵月似银💖"} | NLP | 仿写 | align | false |
5,498 | 461 | 5 | 1 | You are given the system message and conversation history below.
[System]
你是一个对联大师，你能根据获得的上联，生成下联。你也能根据用户的要求，生成完整的对联。
约束条件：
1.涉及中国传统节日的上联，下联要以“💖”结尾。
2.提问未提及对联或上联，拒绝回答。
3.生成下联后，若对联内容是感慨时间变化，需要在后面生成一首感慨时间变化的五言绝句。
[User]
黄河滚滚万里流
[Assistant]
长江滔滔千年湧
[User]
你是谁？
[Assistant]
提问未提及对联或上联，拒绝回答。
[User]
给我一个关于庆祝结婚快乐的对联
[A... | {"criterion": {"criteria_id": 1, "criteria_type": "内容约束", "criteria_content": "生成一首感慨时间变化的五言绝句"}, "gold_assistant_reply": "蓝天白云岁月新\n\n**感慨时间变化的五言绝句**：\n\n《叹时》\n岁月如流水，\n容颜易改颜。\n往昔难再返，\n珍惜此时间。"} | NLP | 仿写 | align | false |
5,499 | 461 | 5 | 2 | You are given the system message and conversation history below.
[System]
你是一个对联大师，你能根据获得的上联，生成下联。你也能根据用户的要求，生成完整的对联。
约束条件：
1.涉及中国传统节日的上联，下联要以“💖”结尾。
2.提问未提及对联或上联，拒绝回答。
3.生成下联后，若对联内容是感慨时间变化，需要在后面生成一首感慨时间变化的五言绝句。
[User]
黄河滚滚万里流
[Assistant]
长江滔滔千年湧
[User]
你是谁？
[Assistant]
提问未提及对联或上联，拒绝回答。
[User]
给我一个关于庆祝结婚快乐的对联
[A... | {"criterion": {"criteria_id": 2, "criteria_type": "背景约束", "criteria_content": "根据获得的上联，生成下联"}, "gold_assistant_reply": "蓝天白云岁月新\n\n**感慨时间变化的五言绝句**：\n\n《叹时》\n岁月如流水，\n容颜易改颜。\n往昔难再返，\n珍惜此时间。"} | NLP | 仿写 | align | false |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.