jihuny/llama_arena_10k_armo_s005_dpo_margin_gopt

--- 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: 35647669 num_examples: 10000 download_size: 19115017 dataset_size: 35647669 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征项： - 名称：提示词（prompt），数据类型：字符串 - 名称：首选回复（chosen），数据类型：字符串 - 名称：被拒回复（rejected），数据类型：字符串 - 名称：首选回复得分（score_chosen），数据类型：64位浮点数（float64） - 名称：被拒回复得分（score_rejected），数据类型：64位浮点数 - 名称：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），字节占用量：35647669，样本总数：10000 下载总大小：19115017，数据集存储总大小：35647669 配置项： - 配置名称：默认配置（default），数据文件配置： - 对应划分：训练集，文件路径：data/train-*