jihuny/llama_arena_10k_armo_s002_dpo_margin_gopt

--- dataset_info: features: - name: prompt dtype: string - name: chosen dtype: string - name: rejected dtype: string - name: score_chosen dtype: float64 - name: score_rejected dtype: float64 - name: reward_margin dtype: float64 splits: - name: train num_bytes: 35647627 num_examples: 10000 download_size: 19111499 dataset_size: 35647627 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息（dataset_info）： 特征： - 名称：提示词（prompt），数据类型（dtype）：字符串（string） - 名称：选中回答（chosen），数据类型（dtype）：字符串（string） - 名称：被拒回答（rejected），数据类型（dtype）：字符串（string） - 名称：选中回答得分（score_chosen），数据类型（dtype）：双精度浮点数（float64） - 名称：被拒回答得分（score_rejected），数据类型（dtype）：双精度浮点数（float64） - 名称：奖励边际（reward_margin），数据类型（dtype）：双精度浮点数（float64） 数据拆分： - 拆分名称：训练集（train），占用字节数：35647627，样本数量：10000 下载大小：19111499，数据集总占用大小：35647627 配置项： - 配置名称：默认配置（default），数据文件： - 对应拆分：训练集（train），文件路径：data/train-*