RLAIF/tldr

--- dataset_info: features: - name: policy_prompt dtype: string - name: winner_response dtype: string - name: loser_response dtype: string splits: - name: train num_bytes: 146458390 num_examples: 91854 - name: validation num_bytes: 1586135 num_examples: 1000 download_size: 82143990 dataset_size: 148044525 configs: - config_name: default data_files: - split: train path: data/train-* - split: validation path: data/validation-* ---数据集信息： 特征字段： - 字段名：policy_prompt（策略提示词），数据类型：字符串 - 字段名：winner_response（获胜回复），数据类型：字符串 - 字段名：loser_response（落败回复），数据类型：字符串 数据集拆分： - 划分集名称：train（训练集），字节大小：146458390，样本数量：91854 - 划分集名称：validation（验证集），字节大小：1586135，样本数量：1000 下载总大小：82143990，数据集总大小：148044525 配置项： - 配置名称：default（默认配置），数据文件： - 对应训练集划分：路径为data/train-* - 对应验证集划分：路径为data/validation-*