Sakil/DPO_dataset

Name: Sakil/DPO_dataset
Creator: Sakil
Published: 2023-08-25 12:36:57
License: 暂无描述

Hugging Face2023-08-25 更新2024-03-04 收录

下载链接：

https://hf-mirror.com/datasets/Sakil/DPO_dataset

下载链接

链接失效反馈

官方服务：

资源简介：

--- license: apache-2.0 ---

提供机构：

Sakil

原始信息汇总

数据集许可证

许可证类型: Apache 2.0

SaaSttt/DPO_Dataset

TRAG-DPO偏好数据集（预览版）包含用于直接偏好优化（DPO）微调阶段的样本数据。目前仅提供用于演示的训练数据子集，完整数据集将在论文被接受后开源。数据集格式为JSON列表，每个条目代表一个用于对齐模型响应的偏好对，包含唯一标识符、番茄叶图像路径、用户查询、知识库检索文本、优选响应和非优选响应等字段。

Hugging Face2025-12-14 更新150

therem/dpo_dataset

--- dataset_info: - config_name: default features: - name: prompt dtype: string - name: chosen dtype: string - name: rejected dtype: string splits: - name: train num_bytes:

Hugging Face2023-12-07 更新120

DiffLean/DPO_Dataset

--- language: - en task_categories: - text-generation tags: - dpo - preference-dataset - formal-reasoning - lean - math dataset_info: features: - name: Question dtype: string - name: Source

Hugging Face2026-04-13 更新00

DPO_Dataset

DPO_Dataset 是一个用于形式化推理和 Lean 证明生成实验的偏好数据集。该数据集包含数学问题的自然语言描述、相关的 Lean 定理声明，以及优选和次选的自然语言推理轨迹和形式化证明对。数据集结构包括 128,595 个训练样本，每个样本包含 8 个字段：问题描述、来源、形式化声明、问题类型、优选形式化证明、优选推理、次选形式化证明和次选推理。数据来源包括 dart-math-hard、

Hugging Face2026-04-13 更新110

rnaveensrinivas/dpo_dataset

--- license: mit ---

Hugging Face2024-06-06 更新50