jiqiu123/full-hh-rlhf

Name: jiqiu123/full-hh-rlhf
Creator: jiqiu123
Published: 2025-12-16 16:01:35
License: 暂无描述

Hugging Face2025-12-16 更新2025-12-20 收录

下载链接：

https://hf-mirror.com/datasets/jiqiu123/full-hh-rlhf

下载链接

链接失效反馈

官方服务：

资源简介：

Anthropic的HH数据集重新格式化后的版本，包含prompt、chosen和rejected样本。

Anthropics HH dataset reformatted into prompt, chosen, rejected samples.

提供机构：

jiqiu123

Dahoas/full-hh-rlhf

--- dataset_info: features: - name: prompt dtype: string - name: response dtype: string - name: chosen dtype: string - name: rejected dtype: string splits: - name: train

Hugging Face2023-02-23 更新250

sam-mosaic/full-hh-rlhf-chatml

--- language: en dataset_info: features: - name: prompt dtype: string - name: response dtype: string splits: - name: train num_bytes: 155301546 num_examples: 147351 - name:

Hugging Face2023-07-18 更新30

HH-RLHF dataset

The HH-RLHF dataset is used to evaluate the performance of the proposed Compositional Preference Models (CPMs).

DataCite Commons2026-01-07 更新00

Palash123/dpo_anthropic_hh_rlhf

--- configs: - config_name: default data_files: - split: train path: data/train-* - split: test path: data/test-* dataset_info: features: - name: prompt dtype: string - name: c

Hugging Face2023-12-04 更新20

HH-RLHF

数据在本文中进行了描述: 通过从人类反馈中进行强化学习来培训有用且无害的助手。如果您发现数据有用，请引用该论文。数据格式非常简单-jsonl文件的每一行都包含一对文本，一个 “选择” 和一个 “拒绝”。为了有帮助，将数据分为三个部分分为训练/测试拆分: 从我们的基础模型 (上下文蒸馏的52B语言模型)，通过针对早期偏好模型的拒绝采样 (主要是16个最佳采样)，以及在我们迭代的 “在线” 过程中采

OpenXLab00