erhwenkuo/rlhf_reward_single_round-chinese-zhtw

这些数据基于anthropic的论文《Training a Helpful and Harmless Assistant with Reinforcement Learning from Human Feedback》开源，旨在为后续的RLHF训练训练偏好（或奖励）模型。数据集来源于beyond/rlhf-reward-single-round-trans_chinese，并使用OpenCC进行简繁转换。

原始信息汇总

数据集概述

数据集信息

• 特征:
  • prompt: 字符串类型
  • chosen: 字符串类型
  • rejected: 字符串类型
• 分割:
  • train:
    • 字节数: 12143678
    • 样本数: 19862
  • test:
    • 字节数: 3118994
    • 样本数: 4996
• 下载大小: 10724182 字节
• 数据集大小: 15262672 字节

配置

• 配置名称: default
  • 数据文件:
    • train: data/train-*
    • test: data/test-*

任务类别

• 对话型

语言

• 中文

大小类别

• 10K<n<100K