Multi-turn Dialog Vietnamese

该数据集旨在评估在多轮强化学习从人类反馈（RLHF）环境中REFUEL政策优化方法的有效性。它包含了自生成数据，以解决多轮RLHF中的协变量偏移问题。该数据集适用于多轮对话模拟任务。