Stalemartyr/mt-thai-dpo-v5
收藏官方服务：
资源简介：
该数据集包含提示（prompt）、被选中的回复（chosen）和被拒绝的回复（rejected），用于偏好学习或强化学习中的偏好优化任务。
This dataset contains prompts, chosen responses, and rejected responses, suitable for preference learning or reinforcement learning tasks such as preference optimization.
提供机构：
Stalemartyr
