jihuny/llama_shp_10k_sky_dpo_rgopt_g03_l1e2

--- 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: 62444165 num_examples: 10000 download_size: 33500607 dataset_size: 62444165 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征项： - 字段名：提示词（prompt），数据类型：string - 字段名：优选响应（chosen），数据类型：string - 字段名：非优选响应（rejected），数据类型：string - 字段名：优选响应得分（score_chosen），数据类型：float64 - 字段名：非优选响应得分（score_rejected），数据类型：float64 - 字段名：奖励边际值（reward_margin），数据类型：float64 数据划分： - 划分名称：训练集（train），占用字节数：62444165，样本数量：10000 下载大小：33500607 字节，数据集总存储大小：62444165 字节 配置项： - 配置名称：默认配置（default），数据文件： - 对应训练划分：train，文件路径：data/train-*