zjhhhh/stage3_mean_beta_0.1_multi_expand_tokenized_gap_0.22_logprob

数据集包含了多种类型的特征和对应的数据类型，例如prompt, requirements, selection_response, base_response, current_response等，都是字符串类型。同时，还包括一些浮点数和整数类型的特征，如selection_base_mean, current_base_mean, chosen_reward, reject_reward等。数据集分为训练集和测试集，训练集包含48155个样本，测试集包含755个样本。