jihuny/llama_shp_10k_sky_dpo_mgopt_a10_l01

--- 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: 62814206 num_examples: 10000 download_size: 33640813 dataset_size: 62814206 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征列： - 字段名：提示词（prompt），数据类型：字符串 - 字段名：选中回复（chosen），数据类型：字符串 - 字段名：拒绝回复（rejected），数据类型：字符串 - 字段名：选中回复得分（score_chosen），数据类型：64位浮点数 - 字段名：拒绝回复得分（score_rejected），数据类型：64位浮点数 - 字段名：奖励边际值（reward_margin），数据类型：64位浮点数 数据集划分： - 划分名称：训练集（train），字节数：62814206，样本数量：10000 下载体积：33640813 数据集总字节数：62814206 数据集配置： - 配置名称：默认配置（default），数据文件： - 对应训练集划分，路径为：data/train-*