该数据集包含12,000个合成的非安全提示，覆盖6个危害类别，旨在增强内容安全分类器的训练数据。每个类别包含2,000个平衡样本。危害类别包括非暴力犯罪、专业建议、隐私、无差别武器、自杀自残和选举错误信息。数据是通过few-shot prompting方法生成的，使用了NVIDIA AEGIS AI Content Safety Dataset 2.0的真实例子作为种子模式。数据集以JSONL格式

Hugging Face2026-01-23 更新190

intelsense/conversations-en2bn

多语言对照

内容审核

该数据集包含了对话信息，每个对话条目包括会话ID、使用的模型类型、对话内容（发言内容和角色）、对话轮次、对话语言类型。此外，还包括了OpenAI版主系统的分类信息，如是否含有骚扰、威胁性骚扰、仇恨、威胁性仇恨、自伤及其意图、性相关内容、涉及未成年人的性内容、暴力及其图形描述等，以及这些类别的分数。每个条目还有是否被标记为有问题和是否经过编辑的标记。数据集分为训练集，提供了训练集的数据大小和示例数量

Hugging Face2025-03-24 更新130

Online Abusive Attacks (OAA)

辱骂检测

内容审核

Online Abusive Attacks (OAA)数据集用于研究在对话中检测辱骂性语言。该数据集包含了对话交换（父-回复推文对），其中回复被标记为辱骂性或非辱骂性。该数据集的创建过程涉及从社交媒体平台收集对话交换，并使用文本分析和机器学习技术对回复进行标记。数据集的应用领域是社交网络内容审核和在线辱骂性语言的检测，旨在帮助社交媒体平台识别和减少有害内容，保护用户免受在线辱骂。

arXiv2025-08-18 更新240

Indonesia False News(Hoax) Dataset

虚假新闻识别

文本分类

Indonesia False News Dataset for Text Classification in Bahasa Indonesia

kaggle2020-12-11 更新190