HuggingFaceH4/scale-pm-pilot

该数据集是用于RLHF（从人类反馈中强化学习）的PM数据集的初步标注。它结合了开源模型在Anthropic的hh-rlhf数据集和Self-Instruct的种子数据集上的输出。

原始信息汇总

数据集概述

数据集名称

Pilot annotations for PM dataset

数据集用途

用于RLHF（强化学习从人类反馈中学习）

数据集组成

该数据集由以下两个来源的数据混合而成：

1. 开源模型输出数据，来源为HuggingFaceH4/instruction-models-outputs。
2. 混合数据集，包括：
   • Anthropic hh-rlhf数据集，来源为HuggingFaceH4/hh-rlhf。
   • Self-Instruct的种子数据集，来源为HuggingFaceH4/self-instruct-seed。

许可证

Apache-2.0