研究中使用sharegpt数据集需规范引用：apa格式以托管方为责任主体标注来源与链接，mla强调结构说明与脚注披露，chicago侧重技术构成与版本快照，且须统一声明其多轮对话特性、清洗方式及cc by-sa 4.0许可。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在研究论文中使用了ShareGPT格式的对话数据集作为训练语料、实验材料或分析对象，则需明确标注其来源、结构特征与获取方式，以确保学术可追溯性与方法透明性。以下是符合主流学术规范的引用操作步骤：
一、APA格式引用ShareGPT数据集
APA格式要求将数据集视为由组织发布的数字资源，需包含发布机构、年份、数据集名称（斜体）、描述性说明及稳定访问链接。ShareGPT本身为社区共享数据，无单一官方发布者，因此应以实际托管方或整理方为责任主体。
1、确认数据集的实际来源，例如Hugging Face上由“shibing624”发布的sharegpt_zh数据集，或GitHub仓库中由“jllllll”维护的原始ShareGPT JSON集合。
2、在参考文献列表中按以下结构书写：Shibing624. (2024). sharegpt_zh [Dataset of multiround Chinese dialogues in ShareGPT format]. https://huggingface.co/datasets/shibing624/sharegpt_zh
3、正文内首次提及该数据集时，标注为（Shibing624, 2024），并在方法部分说明：“本研究采用Shibing624（2024）整理发布的sharegpt_zh数据集，该数据集包含127,438条人工分享的多轮中文对话记录，严格遵循ShareGPT JSON schema，每条样本含conversations数组、可选system字段及tools字段。”
二、MLA格式引用ShareGPT数据集
MLA格式强调对生成内容的工具性披露，不将数据集列为作者，而是在正文脚注或文末注释中说明其技术属性、获取路径与使用目的，尤其关注格式结构对研究设计的影响。
1、在论文脚注中写明：“本研究所用对话数据源自公开ShareGPT格式数据集，其结构包含conversations字段（含'from'与'value'键值对）、system提示词字段及tools工具描述字段；所有样本均经Hugging Face平台验证，原始JSON结构符合flyfish定义的sharegpt schema（见https://github.com/flyfish-ai/ShareGPT）。”
2、若直接引用某条具体对话样本，需在引文后注明：“（ShareGPT-format dialogue, retrieved from shibing624/sharegpt_zh on Hugging Face, 12 Apr. 2024）”。
3、在附录中提供该样本的完整JSON片段，并标注“Source: shibing624/sharegpt_zh, Hugging Face, CC BY-SA 4.0 license”。
三、Chicago格式引用ShareGPT数据集
Chicago格式要求将数据集信息置于脚注而非参考文献列表，重点说明其技术构成、版本状态与可复现性保障措施，尤其强调conversations字段的嵌套逻辑与role_tag映射关系。
1、在首次使用该数据集处插入脚注，内容为：“ShareGPT格式数据集采用JSON结构存储多轮对话，核心字段为conversations数组，其中每个对象的'from'键标识发言角色（'human'或'gpt'），'value'键承载文本内容；system字段提供全局指令约束，tools字段声明可用函数调用接口。本研究使用2024年3月26日快照版，见https://huggingface.co/datasets/shibing624/sharegpt_zh/tree/main。”
2、若论文涉及对ShareGPT格式本身的分析（如字段覆盖率统计、role_tag分布偏差），须在脚注中补充说明所用解析脚本及schema校验方式，例如：“所有conversations条目均通过Python jsonschema库依flyfish官方schema验证，排除缺失'from'或'value'字段的无效样本。”
3、在方法部分明确指出：“本研究未修改原始ShareGPT JSON结构，所有预处理仅限于字段提取与编码转换，保留conversations原始顺序与role_tag语义完整性。”
四、跨格式通用披露要求
无论采用何种引用格式，凡将ShareGPT数据集用于学术研究，均须在论文方法部分或附录中声明其格式特性与使用边界，避免误将其等同于Alpaca等单轮指令数据。
1、明确区分ShareGPT与Alpaca的数据范式：指出“本研究选用ShareGPT格式而非Alpaca格式，因其天然支持多轮上下文建模，且conversations字段可显式建模用户-助手交替序列，适用于对话连贯性评估任务。”
2、披露数据清洗细节：说明是否剔除含function_call/observation字段的样本、是否过滤低质量human-gpt轮次比异常样本、是否统一标准化system字段空值表示方式。
3、注明许可协议类型：例如“该数据集依据CC BY-SA 4.0协议发布，允许商用与改编，但衍生作品须以相同协议共享”，并加粗标注“CC BY-SA 4.0”。
