kashif/nectar_dpo_pairs
收藏Hugging Face2023-12-01 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/kashif/nectar_dpo_pairs
下载链接
链接失效反馈官方服务：
资源简介：
Nectar DPO Pairs数据集主要用于强化学习从人类反馈（RLHF）和强化学习从人工智能反馈（RLAIF）的奖励模型训练。数据集包含三个主要特征：prompt（提示）、chosen（选择）和rejected（拒绝），这些特征的数据类型均为字符串。数据集的大小类别为100K到1M之间，语言为英语，许可证为cc-by-nc-4.0。数据集包含一个训练集，大小为8651355540字节，包含3842034个示例。
Nectar DPO Pairs数据集主要用于强化学习从人类反馈（RLHF）和强化学习从人工智能反馈（RLAIF）的奖励模型训练。数据集包含三个主要特征：prompt（提示）、chosen（选择）和rejected（拒绝），这些特征的数据类型均为字符串。数据集的大小类别为100K到1M之间，语言为英语，许可证为cc-by-nc-4.0。数据集包含一个训练集，大小为8651355540字节，包含3842034个示例。
提供机构：
kashif
原始信息汇总
数据集概述
基本信息
- 许可证: cc-by-nc-4.0
- 语言: 英语
- 大小分类: 100K<n<1M
数据集详情
- 数据集名称: Nectar DPO Pairs
- 数据集来源: berkeley-nest/Nectar
数据结构
- 特征:
prompt: 数据类型为字符串chosen: 数据类型为字符串rejected: 数据类型为字符串
数据分割
- 训练集:
- 数据量: 3842034个样本
- 存储大小: 8651355540字节
- 下载大小: 911865387字节
配置
- 默认配置:
- 数据文件路径:
data/train-*
- 数据文件路径:
标签
- 相关技术标签:
- RLHF
- RLAIF
- reward model
