BAAI/AquilaMed-RL
收藏官方服务：
资源简介：
该数据集用于人类偏好训练阶段。数据是从SFT数据集中采样得到的，然后使用训练好的SFT模型和GPT-4进行推理。GPT-4随后用于对两个响应进行评分，以确定正例和负例。
This dataset is used for the human preference training stage. The data is sampled from the SFT dataset, and the sampled data is then inferred using a trained SFT model and GPT-4. GPT-4 is subsequently used to score the two responses to determine the positive and negative examples.
提供机构：
BAAI原始信息汇总
数据集介绍
该数据集用于人类偏好训练阶段。数据从SFT数据集中采样，采样后的数据通过训练好的SFT模型和GPT-4进行推理。GPT-4随后用于对两个响应进行评分，以确定正负样本。
