Dolci-Think-DPO-7B
收藏魔搭社区2025-12-05 更新2025-11-29 收录
下载链接：
https://modelscope.cn/datasets/allenai/Dolci-Think-DPO-7B
下载链接
链接失效反馈官方服务：
资源简介：
# Dolci Think 7B DPO Mixture
This dataset is licensed under ODC-BY. It is intended for research and educational use in accordance with Ai2's [Responsible Use Guidelines](https://allenai.org/responsible-use).
The Dolci Think 7B DPO mixture was used to preference tune Olmo 3 Think 7B. It contains 150,000 preference pairs created with the preference heuristic described in [Delta Learning](https://arxiv.org/abs/2507.06187) (Geng et al. 2025).
# Dolci Think 7B DPO 混合数据集
本数据集采用ODC-BY许可证授权，仅可遵照Ai2的《负责任使用指南（Responsible Use Guidelines）》（https://allenai.org/responsible-use）用于研究与教育用途。
此Dolci Think 7B DPO 混合数据集曾用于对Olmo 3 Think 7B模型进行偏好微调。该数据集包含15万条偏好样本对，其构建基于[Delta Learning](https://arxiv.org/abs/2507.06187)（Geng等人，2025）中提出的偏好启发式方法。
提供机构：
maas
创建时间：
2025-11-21
