yizhilll/demo_rejection_sampling_QA_phi-2_deberta-v3-large-v2_temp0.2

这是一个用于对齐/偏好学习的演示数据集。数据集包含部分手工制作的问题（提示），答案由phi-2模型生成，温度为0.2，并由deberta-large-v2模型评分。数据集包含问题、从高到低选择的答案，以及拒绝采样的结果（K=8）。

原始信息汇总

数据集概述

特征信息

• 问题 (question): 字符串类型
• 答案 (answer): 字符串类型
• 基础跟随难度 (base_follow_difficulty): 字符串类型
• 标签 (tag): 字符串类型
• 来源 (source): 字符串类型
• 选定答案 (selected_answer): 字符串类型
• 选定奖励 (selected_reward): 浮点数类型 (float64)
• 拒绝答案 (rejected_answers): 字符串序列
• 拒绝奖励 (rejected_rewards): 浮点数序列 (float64)

数据分割

• 训练集 (train):
  • 字节数: 29297
  • 样本数: 10

数据大小

• 下载大小: 20255 字节
• 数据集大小: 29297 字节

配置

• 默认配置 (default):
  • 数据文件:
    • 分割: 训练集
    • 路径: data/train-*

任务类别

• 文本生成 (text-generation)

语言

• 英语 (en)

数据集大小类别

• 小于1K (n<1K)