t2ance/bilevel-grpo-4b-step110-bestofn-qwen3_30b
收藏官方服务：
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
社区交流群
科研交流群
商业服务
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.