ShareGPTフォーマットとは？（シェアジーピーティーフォーマット）意味・特徴をわかりやすく解説

Q: ShareGPTフォーマットとは？

ChatGPTの会話をhuman/gptロールで記録するJSON形式で、多ターン対話のファインチューニングデータ標準として広く採用される。

ShareGPTフォーマットとは

ShareGPTフォーマットは、ChatGPTの会話をhuman/gptロールで記録するJSON形式で、多ターン対話のLLMファインチューニングデータの標準として広く採用されている。ShareGPT.comというChatGPT会話共有サービスから収集されたデータの構造が事実上の標準となり、現在は単独のデータ形式名として通用している。

基本構造

{
  "id": "conversation_001",
  "conversations": [
    {
      "from": "human",
      "value": "Pythonでフィボナッチ数列を再帰で実装してください"
    },
    {
      "from": "gpt",
      "value": "以下にPythonでの再帰実装を示します：\n```python\ndef fibonacci(n):\n    if n &lt;= 1:\n        return n\n    return fibonacci(n-1) + fibonacci(n-2)\n```"
    },
    {
      "from": "human",
      "value": "メモ化を使って最適化できますか？"
    },
    {
      "from": "gpt",
      "value": "はい、functools.lru_cacheを使えば簡単に最適化できます：..."
    }
  ]
}

システムプロンプトの扱い

ShareGPT形式のsystem拡張：

{
  "id": "conv_002",
  "system": "あなたはPC自作の専門家です",
  "conversations": [
    {"from": "human", "value": "..."},
    {"from": "gpt", "value": "..."}
  ]
}

ロール名のバリエーション

各フレームワークでロール名が異なる場合がある：

フレームワーク	ユーザーロール	AIロール
ShareGPT標準	human	gpt
Axolotl	human	gpt
LLaMA-Factory	human	gpt
FastChat	human	assistant
TRL	user	assistant

代表的なShareGPT形式データセット

ShareGPT90k: 元々のChatGPT会話90,000件
OpenHermes-2.5: 1百万件規模の高品質多ターン対話
Dolphin-2.2-ShareGPT: uncensored会話データ
WizardLM Evol-Instruct: 進化的instruction拡張データ

Alpaca形式との相互変換

def alpaca_to_sharegpt(sample: dict) -> dict:
    conversations = [
        {"from": "human", "value": sample["instruction"]},
        {"from": "gpt", "value": sample["output"]}
    ]
    return {"conversations": conversations}

def sharegpt_to_alpaca(sample: dict) -> dict:
    turns = sample["conversations"]
    if len(turns) >= 2:
        return {
            "instruction": turns[0]["value"],
            "input": "",
            "output": turns[1]["value"]
        }

ファインチューニングツールでの対応

LLaMA-Factory、Axolotl、TRL（SFTTrainer）はいずれもShareGPT形式をネイティブサポートする。特にLLaMA-Factoryはdata_info.jsonにShareGPT形式であることを宣言するだけでデータをそのまま使用できる。

ShareGPTフォーマット（シェアジーピーティーフォーマット）