该数据集是一个增强版本，包含两个主要部分：rejected和chosen，每个部分都包含content和role两个字段，数据类型为字符串。此外，数据集还包含rejected_score和chosen_score两个字段，数据类型为float64。数据集分为一个训练集，包含700,000个样本，总大小为2,802,733,004字节。

Hugging Face2024-07-13 更新190

OpenRLHF/dapo-math-17k

--- dataset_info: features: - name: prompt list: - name: content dtype: string - name: role dtype: string - name: label dtype: string splits: - name: train nu

Hugging Face2026-02-06 更新100

OpenRLHF/prompt-collection-v0.1-dev-100k

强化学习

后训练数据

这个5k的数据集是从https://huggingface.co/datasets/RLHFlow/prompt-collection-v0.1中抽取的，保持了与完整数据集相似的分布，并且仅用于OpenRLHF中的PPO训练开发和验证。同时，尊重并保留了原始数据提供者的所有权利。

Hugging Face2024-12-13 更新470

OpenRLHF/aime-2024

--- dataset_info: features: - name: prompt list: - name: content dtype: string - name: role dtype: string - name: label dtype: string splits: - name: train nu

Hugging Face2026-02-06 更新130

OpenRLHF/gem_guess_game

资源简介：

相关数据集