five

tlc4418/1.4b-policy_preference_data_gold_labelled

收藏
Hugging Face2024-02-12 更新2024-03-04 收录
下载链接:
https://hf-mirror.com/datasets/tlc4418/1.4b-policy_preference_data_gold_labelled
下载链接
链接失效反馈
官方服务:
资源简介:
Preference dataset using labels from the [AlpacaFarm dataset](https://huggingface.co/datasets/tatsu-lab/alpaca_farm), generated answers from a [1.4b fine-tuned Pythia policy model](https://huggingface.co/tlc4418/pythia_1.4b_sft_policy), and labelled using the AlpacaFarm '[reward-model-human](https://github.com/tatsu-lab/alpaca_farm#downloading-pre-tuned-alpacafarm-models)' as a gold reward model. Used to train reward models in '[Reward Model Ensembles Mitigate Overoptimization](https://arxiv.org/abs/2310.02743)'
提供机构:
tlc4418
原始信息汇总

数据集概述

数据来源

应用场景

5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作