Lunzima/RLAIF-V
收藏Hugging Face2025-04-03 更新2025-04-12 收录
下载链接：
https://hf-mirror.com/datasets/Lunzima/RLAIF-V
下载链接
链接失效反馈官方服务：
资源简介：
---
license: mit
---
应用场景：
提供机构：
Lunzima相关数据集
RLAIF-V Dataset
该数据集名为RLAIF-V，主要用于与Chameleon-7B模型配合进行数据集消融研究。在其他信息方面，采用余弦相似度过滤的方法，在仅使用全部数据的10%的情况下，取得了54.23的性能得分，这一得分达到了全数据集性能的125%。该研究的任务是评估不同的过滤方法在数据集消融研究中的效果。
arXiv80
RLAIF-V/RLPR-Benchmarks
RLPR评估基准是一个包含7个不同基准测试的数据集，用于评估RLPR的推理能力。这些基准测试涵盖了数学推理和一般领域推理，包括MATH-500、Minerva、AIME24、MMLU-Pro、GPQA、TheoremQA和WebInstruct验证集。数据集支持问题回答和文本生成任务，语言为英语。
Hugging Face2025-06-22 更新40
trl-lib/rlaif-v
RLAIF-V数据集是一个专门为偏好学习任务训练视觉语言模型而设计的数据集。它包含了83132个高质量的图片和文本描述的比较对，每个比较对中包含一个首选文本描述和一个被拒绝的文本描述。这些比较对使得模型能够学习在视觉上下文中的人类偏好，从而提高它们生成和评估图像标题的能力。
Hugging Face2025-01-08 更新50
rlaif-v
该数据集包含多个特征，包括'chosen'、'rejected'、'prompt'和'images'。每个特征都有详细的子特征结构，如'content'包含'text'和'type'，以及'role'。数据集分为'train'和'test'两个部分，分别包含82300和832个样本。数据集的总下载大小为6862178525字节，总数据集大小为6574621752.0字节。
Hugging Face2024-09-28 更新40
RLAIF-V/RLPR-Train-Dataset
RLPR-Train-Dataset是一个精心策划的数据集，包含77k个高质量的推理提示，旨在增强大型语言模型在一般领域（非数学）的推理能力。该数据集从更全面的提示集合中筛选而来，只包含非数学领域的提示，并使用GPT-4.1过滤掉了过于简单的提示，确保了训练集的挑战性和有效性。
Hugging Face2025-06-22 更新40
