Ultrafeedback Binarized
收藏kaggle2023-11-23 更新2024-03-07 收录
下载链接：
https://www.kaggle.com/datasets/thedevastator/ultra-fine-binary-preference-learning
下载链接
链接失效反馈官方服务：
资源简介：
Predicting Binary Preferences with SFT, PPO and DPO
采用监督微调（Supervised Fine-Tuning, SFT）、近端策略优化（Proximal Policy Optimization, PPO）与直接偏好优化（Direct Preference Optimization, DPO）开展二元偏好预测
创建时间：
2023-11-23
