selfcorrexp2/Balance-ORM-Llama3-tmp10-generation
收藏官方服务：
资源简介：
该数据集是一个包含索引、提示、答案、对话（包括对话内容和角色）、奖励、地面真实值和布尔类型奖励的多字段数据集。它被划分为训练集，共有15000个示例。
This dataset is a multi-field dataset containing index, prompt, answer, conversation (including dialogue content and role), reward, ground truth, and boolean type reward. It is split into a training set with a total of 15,000 examples.
提供机构：
selfcorrexp2
