t2ance/bilevel-grpo-4b-step110-bestofn-qwen2_5_32b
收藏Hugging Face2026-04-27 更新2026-05-03 收录
下载链接：
https://hf-mirror.com/datasets/t2ance/bilevel-grpo-4b-step110-bestofn-qwen2_5_32b
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含由LLM法官评估的多个模型解决方案的选择轨迹。
This dataset contains selection trajectories from multiple model solutions evaluated by an LLM judge.
提供机构：
t2ance
