orpo-explorers/OHP-15k-Stratified-2

---
dataset_info:
features:
- name: source
dtype: string
- name: category
dtype: string
- name: prompt
dtype: string
- name: candidates_completions
sequence: string
- name: candidate_policies
sequence: string
- name: ranks
sequence: int64
- name: rank_str
dtype: string
- name: chosen_policy
dtype: string
- name: chosen
list:
- name: content
dtype: string
- name: role
dtype: string
- name: rejected_policy
dtype: string
- name: rejected
list:
- name: content
dtype: string
- name: role
dtype: string
splits:
- name: train
num_bytes: 110104350.54421975
num_examples: 15000
download_size: 54438780
dataset_size: 110104350.54421975
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集特征

• source: 数据类型为字符串。
• category: 数据类型为字符串。
• prompt: 数据类型为字符串。
• candidates_completions: 数据类型为字符串序列。
• candidate_policies: 数据类型为字符串序列。
• ranks: 数据类型为整数序列。
• rank_str: 数据类型为字符串。
• chosen_policy: 数据类型为字符串。
• chosen: 包含两个子特征：
  • content: 数据类型为字符串。
  • role: 数据类型为字符串。
• rejected_policy: 数据类型为字符串。
• rejected: 包含两个子特征：
  • content: 数据类型为字符串。
  • role: 数据类型为字符串。

数据集分割

• train: 训练集，包含15000个样本，数据大小为110104350.54421975字节。

数据集大小

• 下载大小: 54438780字节。
• 数据集大小: 110104350.54421975字节。

配置

• config_name: default
• data_files:
  • split: train
  • path: data/train-*

搜集汇总

背景与挑战

背景概述

该数据集是一个用于偏好学习的数据集，包含15000个训练样本，主要用于优化模型对文本生成响应的选择。数据集结构包括提示、候选完成项、策略和偏好排名，强调区分优选和拒绝响应，适用于对话或文本生成任务的微调。