DueCare Measured Response Review Curriculum 200K

kaggle2026-07-16 更新2026-07-24 收录

响应质量

偏好学习

数据链接：

https://www.kaggle.com/datasets/taylorsamarel/duecare-measured-review-curriculum-200k 数据链接链接失效反馈

官方服务：

资源简介：

207,680 supervised examples and 207,680 preference pairs with explicit lineage

包含207,680个有监督样本及207,680组带有明确谱系的偏好对

创建时间：

2026-07-16

prometheus-eval/Preference-Bench

用户行为分析

偏好学习

--- dataset_info: features: - name: orig_criteria dtype: string - name: orig_feedback_A dtype: string - name: orig_feedback_B dtype: string - name: orig_instruction dtype: st

Hugging Face2024-04-06 更新400

YYYYYYibo/ultrafeedback_binarized_doff_no_golden_train_part_3

对话系统

响应质量

--- dataset_info: features: - name: prompt dtype: string - name: prompt_id dtype: string - name: messages list: - name: content dtype: string - name: role dtype

Hugging Face2024-05-08 更新150

YYYYYYibo/full_simple_online_vllm_part_3_mini_0

对话模型

偏好学习

该数据集主要用于存储和比较对话模型的不同响应。每个数据点包含一个提示（prompt）和两个不同的响应（chosen和rejected），以及这两个响应的评分（score_chosen和score_rejected）。此外，数据集还包含参考响应（reference_response）和两个额外的响应（resp0和resp1）。数据集的分割为train_prefs，包含2341个例子，总大小为2743

Hugging Face2024-07-04 更新130

Atsunori/HelpSteer2-DPO

自然语言处理

偏好学习

该数据集是将nvidia/HelpSteer2数据集根据有用性评分转换为偏好对，用于训练DPO模型。具体来说，选择有用性评分较高的响应作为选择的响应，另一个响应则作为被拒绝的响应。如果两个响应的有用性评分相同，则该对将被丢弃。最终的数据集包含7,221个训练样本和373个验证样本。

Hugging Face2024-07-11 更新180

YYYYYYibo/ultrafeedback_binarized_rank4_on_vanilla_part_3

自然语言处理

偏好学习

该数据集包含多个特征，如prompt、prompt_id、messages、score_chosen、score_rejected、reference_response、chosen和rejected。每个特征都有其特定的数据类型。数据集分为一个训练集（train_prefs），包含21135个样本。数据集的下载大小为110069976字节，实际大小为201998229字节。数据集配置为默认配置，

Hugging Face2024-05-16 更新140

DueCare Measured Response Review Curriculum 200K

资源简介：

相关数据集