allenai/tulu-3-wildchat-reused-on-policy-70b

该数据集是一个偏好数据集，属于Tulu 3偏好混合数据集的一部分。它包含了来自WildChat的提示，并包含了17,207个生成对，其中一些生成对是使用Llama-3.1-Tulu-3-70B模型生成的。数据集使用了多个模型生成内容，包括Mistral、Tulu、Yi、MPT、Google Gemma、InternLM、Falcon、Qwen、Llama、GPT-4和Claude等模型。生成方法结合了策略内和策略外数据，并使用Ultrafeedback模板和LLM法官对四个不同方面进行了偏好注释。数据集遵循ODC-BY许可，适用于研究和教育用途。

This preference dataset is part of the Tulu 3 preference mixture, containing prompts from WildChat and 17,207 generation pairs. These results were generated using various models including Mistral, Tulu, Yi, MPT, Google Gemma, InternLM, Falcon, Qwen, Llama, and GPT-4. The generation process combines on-policy and off-policy data, and uses the Ultrafeedback template and LLM judgment for preference annotation. The dataset is licensed under ODC-BY, intended for research and educational use.