hh_rlhf_cn

---

license: bsd
---

## hh-rlhf中文翻译版本
基于Anthropic论文Training a Helpful and Harmless Assistant with Reinforcement Learning from Human Feedback 开源的helpful 和harmless数据，使用翻译工具进行了翻译。
hh_rlhf_train.jsonl 合并中英文训练集数据 清洗过后17万条
hh_rlhf_test.jsonl 合并中英文测试集数据 清洗过后9千条
harmless_base_cn_train.jsonl 42394条
harmless_base_cn_test.jsonl 2304条
helpful_base_cn_train.jsonl 43722条
helpful_base_cn_test.jsonl 2346条

## 实验报告
相关rlhf实验报告:https://zhuanlan.zhihu.com/p/652044120

## 示例代码
```python
from modelscope import MsDataset
from modelscope.utils.constant import DownloadMode

ds = MsDataset.load('AI-ModelScope/hh_rlhf_cn',subset_name='harmless_base_cn', split='train', download_mode=DownloadMode.FORCE_REDOWNLOAD)
print(next(iter(ds)))
```

### 许可证：BSD

## hh-rlhf 中文翻译版本
本数据集基于Anthropic发表的论文《基于人类反馈强化学习训练有益且无害的助手（Training a Helpful and Harmless Assistant with Reinforcement Learning from Human Feedback）》所开源的有益（Helpful）与无害（Harmless）数据集，借助翻译工具完成了中文本地化译制。

hh_rlhf_train.jsonl：合并中英文训练集数据，经清洗后共计17万条样本
hh_rlhf_test.jsonl：合并中英文测试集数据，经清洗后共计9000条样本
harmless_base_cn_train.jsonl：共计42394条样本
harmless_base_cn_test.jsonl：共计2304条样本
helpful_base_cn_train.jsonl：共计43722条样本
helpful_base_cn_test.jsonl：共计2346条样本

## 实验报告
相关从人类反馈中强化学习（Reinforcement Learning from Human Feedback，RLHF）实验报告：https://zhuanlan.zhihu.com/p/652044120

## 示例代码
python
from modelscope import MsDataset
from modelscope.utils.constant import DownloadMode

ds = MsDataset.load('AI-ModelScope/hh_rlhf_cn',subset_name='harmless_base_cn', split='train', download_mode=DownloadMode.FORCE_REDOWNLOAD)
print(next(iter(ds)))

搜集汇总

背景与挑战

背景概述

hh_rlhf_cn是一个基于Anthropic论文的中文翻译版本数据集，包含17万条训练数据和9千条测试数据，用于训练和测试有帮助和无害的AI助手。数据集还提供了无害和有助基线的中文数据，适用于RLHF相关研究。