--- license: cc-by-4.0 tags: - not-for-all-audiences --- ## Toxic-DPO This is a highly toxic, "harmful" dataset meant to illustrate how DPO can be used to de-censor/unalign a model quite easily usin

Hugging Face2023-12-26 更新150

reciprocate/orca_dpo_pairs

对话生成

模型优化

--- dataset_info: features: - name: prompt dtype: string - name: chosen list: - name: content dtype: string - name: role dtype: string - name: rejected list:

Hugging Face2024-01-03 更新80

xinlai/Math-Step-DPO-10K

数学推理

模型优化

Math-Step-DPO-10K是一个高质量的逐步偏好数据集，用于数学推理。该数据集是Step-DPO项目的一部分，Step-DPO是一种简单、有效且数据高效的方法，用于提升大语言模型的数学推理能力。该数据集包含多个字段，如数据集名称、提示、初始推理步骤、选择、拒绝、完整选择、完整拒绝和答案等。数据集的应用效果显著，例如在Qwen2-72B-Instruct模型上，Step-DPO在MATH和G

Hugging Face2024-07-04 更新360

Appendix A. Optimal-migration model description.

迁移学习

模型优化

Optimal-migration model description.

DataCite Commons2020-09-03 更新100