zjhhhh/3b_iter1_rlcf_rlcf_expand_tokenized_gap_ratio_0.22

---
dataset_info:
features:
- name: prompt
dtype: string
- name: requirements
dtype: string
- name: selection_response_1
dtype: string
- name: selection_response_2
dtype: string
- name: selection_response_3
dtype: string
- name: base_response_1
dtype: string
- name: base_response_2
dtype: string
- name: current_response_1
dtype: string
- name: current_response_2
dtype: string
- name: selection_1_base_1_mean
list: float64
- name: selection_1_base_1_majority
list: float64
- name: selection_1_base_2_mean
list: float64
- name: selection_1_base_2_majority
list: float64
- name: selection_2_base_1_mean
list: float64
- name: selection_2_base_1_majority
list: float64
- name: selection_2_base_2_mean
list: float64
- name: selection_2_base_2_majority
list: float64
- name: selection_3_base_1_mean
list: float64
- name: selection_3_base_1_majority
list: float64
- name: selection_3_base_2_mean
list: float64
- name: selection_3_base_2_majority
list: float64
- name: current_1_base_1_mean
list: float64
- name: current_1_base_1_majority
list: float64
- name: current_1_base_2_mean
list: float64
- name: current_1_base_2_majority
list: float64
- name: current_2_base_1_mean
list: float64
- name: current_2_base_1_majority
list: float64
- name: current_2_base_2_mean
list: float64
- name: current_2_base_2_majority
list: float64
- name: selection_1_mean
list: float64
- name: selection_1_majority
list: float64
- name: selection_1_reward
dtype: float64
- name: selection_2_mean
list: float64
- name: selection_2_majority
list: float64
- name: selection_2_reward
dtype: float64
- name: selection_3_mean
list: float64
- name: selection_3_majority
list: float64
- name: selection_3_reward
dtype: float64
- name: base_1_mean
list: float64
- name: base_1_majority
list: float64
- name: base_1_reward
dtype: float64
- name: base_2_mean
list: float64
- name: base_2_majority
list: float64
- name: base_2_reward
dtype: float64
- name: current_1_mean
list: float64
- name: current_1_majority
list: float64
- name: current_1_reward
dtype: float64
- name: current_2_mean
list: float64
- name: current_2_majority
list: float64
- name: current_2_reward
dtype: float64
- name: qwen_prompt
dtype: string
- name: qwen_prompt_tokens
list: int64
- name: chosen
dtype: string
- name: reject
dtype: string
- name: qwen_chosen
dtype: string
- name: qwen_reject
dtype: string
- name: qwen_chosen_tokens
list: int64
- name: qwen_reject_tokens
list: int64
- name: chosen_reward
dtype: float64
- name: reject_reward
dtype: float64
- name: g_chosen
dtype: float64
- name: g_reject
dtype: float64
splits:
- name: train
num_bytes: 2405544604
num_examples: 26308
- name: test
num_bytes: 68517001
num_examples: 754
download_size: 490213898
dataset_size: 2474061605
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

dataset_info:
features:
- name: 提示词（prompt）
dtype: 字符串
- name: 需求说明（requirements）
dtype: 字符串
- name: 备选回复1（selection_response_1）
dtype: 字符串
- name: 备选回复2（selection_response_2）
dtype: 字符串
- name: 备选回复3（selection_response_3）
dtype: 字符串
- name: 基础回复1（base_response_1）
dtype: 字符串
- name: 基础回复2（base_response_2）
dtype: 字符串
- name: 当前回复1（current_response_1）
dtype: 字符串
- name: 当前回复2（current_response_2）
dtype: 字符串
- name: 备选回复1与基础回复1的均值（selection_1_base_1_mean）
dtype: 64位浮点型列表
- name: 备选回复1与基础回复1的多数投票结果（selection_1_base_1_majority）
dtype: 64位浮点型列表
- name: 备选回复1与基础回复2的均值（selection_1_base_2_mean）
dtype: 64位浮点型列表
- name: 备选回复1与基础回复2的多数投票结果（selection_1_base_2_majority）
dtype: 64位浮点型列表
- name: 备选回复2与基础回复1的均值（selection_2_base_1_mean）
dtype: 64位浮点型列表
- name: 备选回复2与基础回复1的多数投票结果（selection_2_base_1_majority）
dtype: 64位浮点型列表
- name: 备选回复2与基础回复2的均值（selection_2_base_2_mean）
dtype: 64位浮点型列表
- name: 备选回复2与基础回复2的多数投票结果（selection_2_base_2_majority）
dtype: 64位浮点型列表
- name: 备选回复3与基础回复1的均值（selection_3_base_1_mean）
dtype: 64位浮点型列表
- name: 备选回复3与基础回复1的多数投票结果（selection_3_base_1_majority）
dtype: 64位浮点型列表
- name: 备选回复3与基础回复2的均值（selection_3_base_2_mean）
dtype: 64位浮点型列表
- name: 备选回复3与基础回复2的多数投票结果（selection_3_base_2_majority）
dtype: 64位浮点型列表
- name: 当前回复1与基础回复1的均值（current_1_base_1_mean）
dtype: 64位浮点型列表
- name: 当前回复1与基础回复1的多数投票结果（current_1_base_1_majority）
dtype: 64位浮点型列表
- name: 当前回复1与基础回复2的均值（current_1_base_2_mean）
dtype: 64位浮点型列表
- name: 当前回复1与基础回复2的多数投票结果（current_1_base_2_majority）
dtype: 64位浮点型列表
- name: 当前回复2与基础回复1的均值（current_2_base_1_mean）
dtype: 64位浮点型列表
- name: 当前回复2与基础回复1的多数投票结果（current_2_base_1_majority）
dtype: 64位浮点型列表
- name: 当前回复2与基础回复2的均值（current_2_base_2_mean）
dtype: 64位浮点型列表
- name: 当前回复2与基础回复2的多数投票结果（current_2_base_2_majority）
dtype: 64位浮点型列表
- name: 备选回复1的均值（selection_1_mean）
dtype: 64位浮点型列表
- name: 备选回复1的多数投票结果（selection_1_majority）
dtype: 64位浮点型列表
- name: 备选回复1的奖励分（selection_1_reward）
dtype: 64位浮点型
- name: 备选回复2的均值（selection_2_mean）
dtype: 64位浮点型列表
- name: 备选回复2的多数投票结果（selection_2_majority）
dtype: 64位浮点型列表
- name: 备选回复2的奖励分（selection_2_reward）
dtype: 64位浮点型
- name: 备选回复3的均值（selection_3_mean）
dtype: 64位浮点型列表
- name: 备选回复3的多数投票结果（selection_3_majority）
dtype: 64位浮点型列表
- name: 备选回复3的奖励分（selection_3_reward）
dtype: 64位浮点型
- name: 基础回复1的均值（base_1_mean）
dtype: 64位浮点型列表
- name: 基础回复1的多数投票结果（base_1_majority）
dtype: 64位浮点型列表
- name: 基础回复1的奖励分（base_1_reward）
dtype: 64位浮点型
- name: 基础回复2的均值（base_2_mean）
dtype: 64位浮点型列表
- name: 基础回复2的多数投票结果（base_2_majority）
dtype: 64位浮点型列表
- name: 基础回复2的奖励分（base_2_reward）
dtype: 64位浮点型
- name: 当前回复1的均值（current_1_mean）
dtype: 64位浮点型列表
- name: 当前回复1的多数投票结果（current_1_majority）
dtype: 64位浮点型列表
- name: 当前回复1的奖励分（current_1_reward）
dtype: 64位浮点型
- name: 当前回复2的均值（current_2_mean）
dtype: 64位浮点型列表
- name: 当前回复2的多数投票结果（current_2_majority）
dtype: 64位浮点型列表
- name: 当前回复2的奖励分（current_2_reward）
dtype: 64位浮点型
- name: 通义千问提示词（qwen_prompt）
dtype: 字符串
- name: 通义千问提示词Token数量（qwen_prompt_tokens）
dtype: 64位整型列表
- name: 选中回复（chosen）
dtype: 字符串
- name: 被拒绝回复（reject）
dtype: 字符串
- name: 通义千问选中回复（qwen_chosen）
dtype: 字符串
- name: 通义千问被拒绝回复（qwen_reject）
dtype: 字符串
- name: 通义千问选中回复Token数量（qwen_chosen_tokens）
dtype: 64位整型列表
- name: 通义千问被拒绝回复Token数量（qwen_reject_tokens）
dtype: 64位整型列表
- name: 选中回复奖励分（chosen_reward）
dtype: 64位浮点型
- name: 被拒绝回复奖励分（reject_reward）
dtype: 64位浮点型
- name: g选中值（g_chosen）
dtype: 64位浮点型
- name: g被拒绝值（g_reject）
dtype: 64位浮点型
splits:
- name: 训练集（train）
num_bytes: 2405544604
num_examples: 26308
- name: 测试集（test）
num_bytes: 68517001
num_examples: 754
download_size: 490213898
dataset_size: 2474061605
configs:
- config_name: 默认配置（default）
data_files:
- split: 训练集（train）
path: data/train-*
- split: 测试集（test）
path: data/test-*