RLHFlow/UltraFeedback-preference-standard

该数据集包含了基于Instruct-GPT模型的所有可能的比较数据，使用了细粒度的评分机制。数据集的特征包括被拒绝的响应（rejected）、被选择的响应（chosen）、被选择响应的评分（chosen_score）以及被拒绝响应的评分（rejected_score）。每个响应都包含内容和角色信息。数据集主要用于强化学习中的偏好建模，通过对不同模型生成的响应进行评分和比较，确定哪些响应更符合用户偏好。

The UltraFeedback dataset includes training data with two main features: rejected and chosen, each containing content and role fields, along with chosen_score and rejected_score rating fields. The training data consists of 340025 samples with a total size of 1272171382 bytes. This dataset is used to evaluate and compare responses from different models based on fine-grained scores for selection.

原始信息汇总

数据集概述

配置信息

• 配置名称: default
• 数据文件:
  • 分割: train
  • 路径: data/train-*

数据集信息

• 特征:
  • rejected:
    • content: string
    • role: string
  • chosen:
    • content: string
    • role: string
  • chosen_score: float64
  • rejected_score: float64
• 分割:
  • 名称: train
  • 字节数: 1272171382
  • 样本数: 340025
• 下载大小: 249767140
• 数据集大小: 1272171382