snorkelai/Snorkel-Mistral-PairRM-DPO-Dataset
收藏Hugging Face2024-01-23 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/snorkelai/Snorkel-Mistral-PairRM-DPO-Dataset
下载链接
链接失效反馈官方服务：
资源简介：
该数据集用于训练Snorkel模型，仅使用了UltraFeedback的提示，未使用外部LLM响应。生成方法包括：为每个提示生成5个响应变体，使用PairRM进行响应重排序，并应用直接偏好优化（DPO）更新LLM。数据集分为三个迭代的训练和测试集，每个迭代使用不同的提示集。
提供机构：
snorkelai
原始信息汇总
数据集概述
数据集用途
- 用于训练Snorkel模型。
