RyanYr/DAPO-Math-17k_gemini3-flash_qwen3-4B-Base-n4_5e-5_sft_mmlupro
收藏数据链接：
官方服务：
资源简介：
该数据集包含对话历史（prompt，由角色和内容组成）、数据来源、奖励模型（包含真实答案和风格）以及多个响应。主要用于评估或训练对话模型，特别是涉及奖励模型和响应质量的任务。
This dataset contains conversation history (prompt, consisting of role and content), data source, reward model (including ground truth and style), and multiple responses. It is primarily used for evaluating or training dialogue models, especially tasks involving reward models and response quality.
提供机构：
RyanYr
