haoranli-ml/genvf-multi-policy-train-v1_final_bulle_list_final_filtered

--- dataset_info: features: - name: index dtype: int64 - name: row_id dtype: int64 - name: problem dtype: string - name: answer dtype: string - name: source list: string - name: mean_reward dtype: float64 - name: full_response dtype: string - name: full_reasoning dtype: string - name: model dtype: string - name: prefix dtype: string - name: prefix_end_index dtype: int64 - name: num_thoughts dtype: int64 - name: prefix_type dtype: string - name: prefix_type_description dtype: string - name: suffix_num list: int64 - name: suffix_model list: string - name: pending list: bool - name: pending_model list: 'null' - name: suffix_response list: string - name: suffix_summary list: string - name: self_summary list: string - name: suffix_reasoning list: string - name: finish_reason list: string - name: budget_used list: int64 - name: escalation list: int64 - name: usage list: - name: completion_tokens dtype: int64 - name: prompt_tokens dtype: int64 - name: total_tokens dtype: int64 - name: error list: 'null' - name: error_type list: 'null' - name: prefix_model dtype: string - name: gemini_summary_of_future dtype: string - name: gemini_summary_list list: string - name: prefix_steps list: string - name: suffix_variants list: - name: detailed_steps list: string - name: high_level_steps list: string - name: id dtype: int64 - name: dedup_note dtype: string - name: cross_prefix_alignment_scores list: - name: avg_alignment dtype: float64 - name: individual_scores list: - name: compared_row_id dtype: int64 - name: compared_summary_id dtype: int64 - name: direction dtype: string - name: output_text dtype: string - name: problem_index dtype: int64 - name: reasoning dtype: string - name: score dtype: float64 - name: num_comparisons dtype: int64 - name: summary_id dtype: int64 - name: filtered_suffix list: - name: detailed_steps list: string - name: high_level_steps list: string - name: id dtype: int64 - name: rubrics dtype: string splits: - name: train num_bytes: 3006081656 num_examples: 10520 download_size: 2474383139 dataset_size: 3006081656 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征字段： - 字段名：index，数据类型：64位整数（int64） - 字段名：row_id，数据类型：64位整数（int64） - 字段名：problem，数据类型：问题文本（string） - 字段名：answer，数据类型：标准答案（string） - 字段名：source，数据类型：字符串列表（list<string>） - 字段名：mean_reward，数据类型：平均奖励得分（float64） - 字段名：full_response，数据类型：完整生成响应（string） - 字段名：full_reasoning，数据类型：完整推理过程（string） - 字段名：model，数据类型：使用模型（string） - 字段名：prefix，数据类型：前缀提示词（string） - 字段名：prefix_end_index，数据类型：前缀结束索引（int64） - 字段名：num_thoughts，数据类型：思考步数（int64） - 字段名：prefix_type，数据类型：前缀类型（string） - 字段名：prefix_type_description，数据类型：前缀类型描述（string） - 字段名：suffix_num，数据类型：后缀数量列表（list<int64>） - 字段名：suffix_model，数据类型：后缀生成模型列表（list<string>） - 字段名：pending，数据类型：待处理状态列表（list<bool>） - 字段名：pending_model，数据类型：待处理模型列表（list<null>） - 字段名：suffix_response，数据类型：后缀生成响应列表（list<string>） - 字段名：suffix_summary，数据类型：后缀摘要列表（list<string>） - 字段名：self_summary，数据类型：自身摘要列表（list<string>） - 字段名：suffix_reasoning，数据类型：后缀推理过程列表（list<string>） - 字段名：finish_reason，数据类型：生成结束原因列表（list<string>） - 字段名：budget_used，数据类型：已使用预算列表（list<int64>） - 字段名：escalation，数据类型：升级次数列表（list<int64>） - 字段名：usage，数据类型：令牌使用情况嵌套结构： - 字段名：completion_tokens，数据类型：补全令牌数（int64） - 字段名：prompt_tokens，数据类型：提示令牌数（int64） - 字段名：total_tokens，数据类型：总令牌数（int64） - 字段名：error，数据类型：错误信息列表（list<null>） - 字段名：error_type，数据类型：错误类型列表（list<null>） - 字段名：prefix_model，数据类型：前缀生成模型（string） - 字段名：gemini_summary_of_future，数据类型：未来摘要（Gemini生成）（string） - 字段名：gemini_summary_list，数据类型：Gemini生成摘要列表（list<string>） - 字段名：prefix_steps，数据类型：前缀步骤列表（list<string>） - 字段名：suffix_variants，数据类型：后缀变体嵌套结构： - 字段名：detailed_steps，数据类型：详细步骤列表（list<string>） - 字段名：high_level_steps，数据类型：高阶步骤列表（list<string>） - 字段名：id，数据类型：标识符（int64） - 字段名：dedup_note，数据类型：去重备注（string） - 字段名：cross_prefix_alignment_scores，数据类型：跨前缀对齐得分嵌套结构： - 字段名：avg_alignment，数据类型：平均对齐得分（float64） - 字段名：individual_scores，数据类型：单条对齐得分列表： - 字段名：compared_row_id，数据类型：对比行ID（int64） - 字段名：compared_summary_id，数据类型：对比摘要ID（int64） - 字段名：direction，数据类型：对齐方向（string） - 字段名：output_text，数据类型：输出文本（string） - 字段名：problem_index，数据类型：问题索引（int64） - 字段名：reasoning，数据类型：推理过程（string） - 字段名：score，数据类型：对齐得分（float64） - 字段名：num_comparisons，数据类型：对比次数（int64） - 字段名：summary_id，数据类型：摘要ID（int64） - 字段名：filtered_suffix，数据类型：过滤后后缀嵌套结构： - 字段名：detailed_steps，数据类型：详细步骤列表（list<string>） - 字段名：high_level_steps，数据类型：高阶步骤列表（list<string>） - 字段名：id，数据类型：标识符（int64） - 字段名：rubrics，数据类型：评判准则（string） 数据集划分： - 划分名称：train，字节占用：3006081656，样本数量：10520 下载大小：2474383139 数据集总大小：3006081656 配置项： - 配置名称：default，数据文件： - 划分集：train，路径：data/train-*