five

danilopeixoto/pandora-rlhf

收藏
Hugging Face2024-03-01 更新2024-03-04 收录
下载链接:
https://hf-mirror.com/datasets/danilopeixoto/pandora-rlhf
下载链接
链接失效反馈
官方服务:
资源简介:
--- pretty_name: Pandora RLHF task_categories: - text-generation size_categories: - 100K<n<1M tags: - dpo - fine-tuning - rlhf license: bsd-3-clause --- # Pandora RLHF A Reinforcement Learning from Human Feedback (RLHF) dataset for Direct Preference Optimization (DPO) fine-tuning of the Pandora Large Language Model (LLM). The dataset is based on the [anthropic/hh-rlhf](https://huggingface.co/datasets/anthropic/hh-rlhf) dataset. ## Copyright and license Copyright (c) 2024, Danilo Peixoto Ferreira. All rights reserved. Project developed under a [BSD-3-Clause license](LICENSE.md).
提供机构:
danilopeixoto
原始信息汇总

Pandora RLHF

概述

Pandora RLHF 是一个用于直接偏好优化(DPO)微调 Pandora 大型语言模型(LLM)的人类反馈强化学习(RLHF)数据集。

数据集来源

该数据集基于 anthropic/hh-rlhf 数据集。

任务类别

  • 文本生成

数据集大小

  • 100K<n<1M

标签

  • dpo
  • fine-tuning
  • rlhf

许可证

BSD-3-Clause 许可证

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