W-61/llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-s_star-0.4-eta-5-margin-log

这是一个从New-DPO训练运行中导出的每一步边界摘要统计数据集。数据集包含了训练过程中的多个统计特征，如epoch（训练轮数）、step（步骤）、batch_size（批量大小）、mean（平均值）、std（标准差）、min（最小值）、p10（第10百分位数）、median（中位数）、p90（第90百分位数）、max（最大值）、pos_frac（正分数）、sample（每个示例的边界值）和npy（保存完整边界数组的可选路径）。数据集来源于特定的模型训练运行，使用了Anthropic/hh-rlhf数据集进行混合训练。

Per-step margin summary statistics exported from a New-DPO training run. The dataset includes various statistical features during the training process, such as epoch, step, batch_size, mean, std, min, p10, median, p90, max, pos_frac, sample (per-example margins), and npy (optional path to the saved full margin array). The dataset originates from a specific model training run and uses the Anthropic/hh-rlhf dataset for mixed training.