zjhhhh/Llama-3.2-3B-Instruct_multi_armo_2rewards_preprocessed_rewardidx1_tokenized_gap_0.2_logprob

---
dataset_info:
features:
- name: prompt_id
dtype: string
- name: prompt
dtype: string
- name: response_0
dtype: string
- name: response_1
dtype: string
- name: response_2
dtype: string
- name: response_3
dtype: string
- name: response_4
dtype: string
- name: response_5
dtype: string
- name: response_6
dtype: string
- name: response_7
dtype: string
- name: response_8
dtype: string
- name: response_9
dtype: string
- name: response_10
dtype: string
- name: response_11
dtype: string
- name: response_12
dtype: string
- name: response_13
dtype: string
- name: response_14
dtype: string
- name: response_15
dtype: string
- name: response_0_reward
list: float64
- name: response_1_reward
list: float64
- name: response_2_reward
list: float64
- name: response_3_reward
list: float64
- name: response_4_reward
list: float64
- name: response_5_reward
list: float64
- name: response_6_reward
list: float64
- name: response_7_reward
list: float64
- name: response_8_reward
list: float64
- name: response_9_reward
list: float64
- name: response_10_reward
list: float64
- name: response_11_reward
list: float64
- name: response_12_reward
list: float64
- name: response_13_reward
list: float64
- name: response_14_reward
list: float64
- name: response_15_reward
list: float64
- name: llama_prompt
dtype: string
- name: llama_prompt_tokens
list: int64
- name: chosen
dtype: string
- name: reject
dtype: string
- name: chosen_reward
dtype: float64
- name: reject_reward
dtype: float64
- name: g_chosen
dtype: float64
- name: g_reject
dtype: float64
- name: gap
dtype: float64
- name: llama_chosen
dtype: string
- name: llama_chosen_tokens
list: int64
- name: llama_reject
dtype: string
- name: llama_reject_tokens
list: int64
- name: chosen_logprob
dtype: float64
- name: reject_logprob
dtype: float64
splits:
- name: train
num_bytes: 5829800124
num_examples: 66788
- name: test
num_bytes: 95737830
num_examples: 1088
download_size: 988732292
dataset_size: 5925537954
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

数据集信息：
特征列表：
- 提示词ID（prompt_id）：数据类型为字符串（string）
- 提示词（prompt）：数据类型为字符串（string）
- 响应0至响应15（response_0 ~ response_15）：数据类型均为字符串（string）
- 响应0至响应15的奖励值（response_0_reward ~ response_15_reward）：数据类型为浮点型列表（list: float64）
- Llama提示词（llama_prompt）：数据类型为字符串（string）
- Llama提示词Token序列（llama_prompt_tokens）：数据类型为整数型列表（list: int64）
- 优选响应（chosen）：数据类型为字符串（string）
- 弃选响应（reject）：数据类型为字符串（string）
- 优选响应奖励值（chosen_reward）：数据类型为浮点型（float64）
- 弃选响应奖励值（reject_reward）：数据类型为浮点型（float64）
- 全局优选奖励（g_chosen）：数据类型为浮点型（float64）
- 全局弃选奖励（g_reject）：数据类型为浮点型（float64）
- 奖励差值（gap）：数据类型为浮点型（float64）
- Llama优选响应（llama_chosen）：数据类型为字符串（string）
- Llama优选响应Token序列（llama_chosen_tokens）：数据类型为整数型列表（list: int64）
- Llama弃选响应（llama_reject）：数据类型为字符串（string）
- Llama弃选响应Token序列（llama_reject_tokens）：数据类型为整数型列表（list: int64）
- 优选响应对数概率（chosen_logprob）：数据类型为浮点型（float64）
- 弃选响应对数概率（reject_logprob）：数据类型为浮点型（float64）
数据集划分：
- 训练集（train）：数据体量为5829800124字节，样本总量为66788
- 测试集（test）：数据体量为95737830字节，样本总量为1088
下载总大小：988732292字节；数据集总存储大小：5925537954字节
配置项：
- 默认配置（default）：
数据文件对应如下：
- 训练集：数据文件路径为data/train-*
- 测试集：数据文件路径为data/test-*