teamcore/DPO_Pm3B_RMAB_TG_clean_beta0.25dpo_pro_nu0.03_Eurus_RM_7b_vs_dlm_default_cr_trajfullc
收藏数据链接：
官方服务：
资源简介：
该数据集包含对话提示(prompt)、响应(response)、GPT评分(gpt_score)、清理后的提示(clean_prompt)、任务类别(task_category)、选择的响应(chosen)、地面真实奖励(gt_rews)、选择的奖励(chosen_rew)和响应奖励(response_rew)等字段。数据集被划分为一个默认部分，共900个示例。
The dataset includes fields such as prompt, response, GPT score, cleaned prompt, task category, chosen response, ground truth rewards, chosen rewards, and response rewards. The dataset is split into a default part with a total of 900 examples.
提供机构：
teamcore
