rubricreward/reward-bench

--- dataset_info: features: - name: id dtype: string - name: original_id dtype: string - name: category dtype: string - name: input dtype: string - name: response_1 dtype: string - name: response_2 dtype: string - name: actual_score dtype: string - name: chosen_model dtype: string - name: rejected_model dtype: string - name: language dtype: string - name: source dtype: string splits: - name: test num_bytes: 5011346 num_examples: 2985 download_size: 2396726 dataset_size: 5011346 configs: - config_name: default data_files: - split: test path: data/test-* ---数据集信息： 特征项： - 字段名：id，数据类型：字符串 - 字段名：original_id，数据类型：字符串 - 字段名：category，数据类型：字符串 - 字段名：input，数据类型：字符串 - 字段名：response_1，数据类型：字符串 - 字段名：response_2，数据类型：字符串 - 字段名：actual_score，数据类型：字符串 - 字段名：chosen_model，数据类型：字符串 - 字段名：rejected_model，数据类型：字符串 - 字段名：language，数据类型：字符串 - 字段名：source，数据类型：字符串 数据集划分： - 划分名称：test，占用字节数：5011346，样本数量：2985 下载大小：2396726 数据集存储大小：5011346 配置项： - 配置名称：default，数据文件： - 划分：test，文件路径：data/test-*

搜集汇总

背景与挑战

背景概述

该数据集是一个奖励模型评估基准测试集，包含2985个测试样本，每个样本提供输入文本、两个响应（response_1和response_2）及其实际分数（actual_score），以及相关的模型和语言信息，用于评估奖励模型对成对响应的评分能力。