tlc4418/gold_labelled_gens
收藏Hugging Face2024-02-13 更新2024-06-22 收录
下载链接：
https://hf-mirror.com/datasets/tlc4418/gold_labelled_gens
下载链接
链接失效反馈官方服务：
资源简介：
Dataset of 12600 answer generations from a [1.4b fine-tuned Pythia policy model](https://huggingface.co/datasets/tlc4418/1.4b-policy_preference_data_gold_labelled), using the [AlpacaFarm dataset](https://huggingface.co/datasets/tatsu-lab/alpaca_farm) 'val' split, and labelled with the AlpacaFarm '[reward-model-human](https://huggingface.co/tatsu-lab/alpaca-farm-reward-model-human-wdiff)' to give 'gold' scores.
Used during best-of-n inference 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
- 数据集包含12600个回答生成，源自一个经过1.4亿参数微调的Pythia策略模型。
- 这些回答生成基于AlpacaFarm数据集的val分割部分。
标注方法
- 回答生成通过AlpacaFarm的reward-model-human模型进行标注，以获得gold评分。
应用场景
- 该数据集在论文《Reward Model Ensembles Mitigate Overoptimization》中用于最佳n个推理。
