jihuny/llama_hh_10k_armo_s005_dpo_g_optimal

--- 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: 27530286 num_examples: 10000 download_size: 15467546 dataset_size: 27530286 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征列表： - 特征名：提示词（prompt），数据类型：字符串 - 特征名：选中回复（chosen），数据类型：字符串 - 特征名：被拒回复（rejected），数据类型：字符串 - 特征名：选中回复得分（score_chosen），数据类型：64位浮点数（float64） - 特征名：被拒回复得分（score_rejected），数据类型：64位浮点数（float64） - 特征名：奖励边际值（reward_margin），数据类型：64位浮点数（float64） 数据集划分： - 划分名称：训练集（train），数据字节数：27530286，样本总数：10000 下载总大小：15467546 数据集总占用大小：27530286 数据集配置： - 配置名称：默认配置（default），数据文件： - 对应数据集划分：训练集，文件路径：data/train-*