Doctor-Shotgun/theory-of-mind-dpo

这是一个名为grimulkan/theory-of-mind的数据集，其中包含了使用mistralai/Mistral-7B-Instruct-v0.2生成的被拒绝的响应，并且文件格式适用于DPO训练。生成数据集的代码可以在指定的GitHub仓库中找到。

原始信息汇总

数据集概述

数据集名称

• grimulkan/theory-of-mind

数据集来源

• 使用模型：mistralai/Mistral-7B-Instruct-v0.2
• 生成方式：通过特定代码生成，该代码位于GitHub仓库：https://github.com/DocShotgun/LLM-datagen

数据集用途

• 用于DPO（Direct Preference Optimization）训练

数据集内容

• 包含“rejected”响应的数据集，格式化处理以适应DPO训练需求。