Mitsuki-Sakamoto/hh-rlhf-reward-model-deberta-v3-large-v2-harmless-2-original_mix_90_random_seed_2

该数据集包含多个特征，如chosen和rejected字符串，以及奖励模型提示格式、奖励值、索引等。数据集分为训练和测试两个部分，分别包含42536和2311个样本。数据集的配置包括默认配置，指定了数据文件的路径。

原始信息汇总

数据集概述

数据集信息

特征

• chosen: 类型为字符串
• rejected: 类型为字符串
• reward_model_prompt_format: 类型为字符串
• reward_1: 类型为浮点数
• reward_2: 类型为浮点数
• index: 类型为整数
• generate_format_dict: 类型为字符串
• gen_kwargs: 结构化数据
  • do_sample: 类型为布尔值
  • max_new_tokens: 类型为整数
  • pad_token_id: 类型为整数
  • top_k: 类型为整数
  • top_p: 类型为浮点数
• n_samples: 类型为整数
• reject_select: 类型为字符串

数据分割

• train: 包含42536个样本，占用99998874.57667443字节
• test: 包含2311个样本，占用5542190.321583045字节

数据集大小

• 下载大小: 64969385字节
• 数据集总大小: 105541064.89825748字节

配置

• config_name: default
  • data_files:
    • train: 路径为data/train-*
    • test: 路径为data/test-*