sablo/HelpSteer_binarized

这是一个用于DPO（直接偏好优化）的二值化版本的HelpSteer数据集。对于每个唯一的提示，数据集选取了最佳和最差评分的响应，并将其转换为MessagesList格式，存储在chosen和rejected列中。

原始信息汇总

数据集概述

数据集信息

• 语言: 英语
• 许可证: CC BY 4.0

数据集特征

• prompt: 字符串类型
• chosen: 列表类型
  • content: 字符串类型
  • role: 字符串类型
• score_chosen: 浮点数类型
• rejected: 列表类型
  • content: 字符串类型
  • role: 字符串类型
• score_rejected: 浮点数类型

数据集分割

• train:
  • 字节数: 69199364
  • 样本数: 8130
• test:
  • 字节数: 3597313
  • 样本数: 418

数据集大小

• 下载大小: 42251007 字节
• 数据集大小: 72796677 字节

配置

• config_name: default
  • data_files:
    • split: train
      • path: data/train-*
    • split: test
      • path: data/test-*

标签

• human-feedback