Zhihu Answer Preference Dataset

该数据集是由知乎上公开可获取的问答对构建而成的，旨在训练一个能够辨识人类对答案偏好的奖励模型。为了减少偏差，问答对是基于用户的点赞和发布时间创建的。该数据集的规模包括10万个用于训练的答案偏好对和5,000个用于评估的对。所涉及的任务是答案偏好排序。