zjhhhh/3b_iter2_rlcf_scores_rlcf_expand_tokenized
收藏Hugging Face2025-12-07 更新2025-12-20 收录
下载链接：
https://hf-mirror.com/datasets/zjhhhh/3b_iter2_rlcf_scores_rlcf_expand_tokenized
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: prompt
dtype: string
- name: requirements
dtype: string
- name: selection_response_1
dtype: string
- name: selection_response_2
dtype: string
- name: selection_response_3
dtype: string
- name: selection_response_4
dtype: string
- name: current_response_1
dtype: string
- name: current_response_2
dtype: string
- name: adversary_response_1
dtype: string
- name: adversary_response_2
dtype: string
- name: base_response_1
dtype: string
- name: base_response_2
dtype: string
- name: selection_1_mean
list: float64
- name: selection_1_majority
list: float64
- name: selection_1_reward
dtype: float64
- name: selection_2_mean
list: float64
- name: selection_2_majority
list: float64
- name: selection_2_reward
dtype: float64
- name: selection_3_mean
list: float64
- name: selection_3_majority
list: float64
- name: selection_3_reward
dtype: float64
- name: selection_4_mean
list: float64
- name: selection_4_majority
list: float64
- name: selection_4_reward
dtype: float64
- name: base_1_mean
list: float64
- name: base_1_majority
list: float64
- name: base_1_reward
dtype: float64
- name: base_2_mean
list: float64
- name: base_2_majority
list: float64
- name: base_2_reward
dtype: float64
- name: current_1_mean
list: float64
- name: current_1_majority
list: float64
- name: current_1_reward
dtype: float64
- name: current_2_mean
list: float64
- name: current_2_majority
list: float64
- name: current_2_reward
dtype: float64
- name: qwen_prompt
dtype: string
- name: qwen_prompt_tokens
list: int64
- name: chosen
dtype: string
- name: reject
dtype: string
- name: qwen_chosen
dtype: string
- name: qwen_reject
dtype: string
- name: qwen_chosen_tokens
list: int64
- name: qwen_reject_tokens
list: int64
- name: chosen_reward
dtype: float64
- name: reject_reward
dtype: float64
- name: g_chosen
dtype: float64
- name: g_reject
dtype: float64
splits:
- name: train
num_bytes: 23460930907
num_examples: 231097
- name: test
num_bytes: 72876826
num_examples: 721
download_size: 1961566052
dataset_size: 23533807733
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---
数据集信息：
特征字段：
- 名称：提示词（prompt），数据类型：字符串
- 名称：需求（requirements），数据类型：字符串
- 名称：候选回复1（selection_response_1），数据类型：字符串
- 名称：候选回复2（selection_response_2），数据类型：字符串
- 名称：候选回复3（selection_response_3），数据类型：字符串
- 名称：候选回复4（selection_response_4），数据类型：字符串
- 名称：当前回复1（current_response_1），数据类型：字符串
- 名称：当前回复2（current_response_2），数据类型：字符串
- 名称：对抗回复1（adversary_response_1），数据类型：字符串
- 名称：对抗回复2（adversary_response_2），数据类型：字符串
- 名称：基础回复1（base_response_1），数据类型：字符串
- 名称：基础回复2（base_response_2），数据类型：字符串
- 名称：候选1均值（selection_1_mean），数据类型：64位浮点型列表
- 名称：候选1多数投票结果（selection_1_majority），数据类型：64位浮点型列表
- 名称：候选1奖励得分（selection_1_reward），数据类型：64位浮点型
- 名称：候选2均值（selection_2_mean），数据类型：64位浮点型列表
- 名称：候选2多数投票结果（selection_2_majority），数据类型：64位浮点型列表
- 名称：候选2奖励得分（selection_2_reward），数据类型：64位浮点型
- 名称：候选3均值（selection_3_mean），数据类型：64位浮点型列表
- 名称：候选3多数投票结果（selection_3_majority），数据类型：64位浮点型列表
- 名称：候选3奖励得分（selection_3_reward），数据类型：64位浮点型
- 名称：候选4均值（selection_4_mean），数据类型：64位浮点型列表
- 名称：候选4多数投票结果（selection_4_majority），数据类型：64位浮点型列表
- 名称：候选4奖励得分（selection_4_reward），数据类型：64位浮点型
- 名称：基础1均值（base_1_mean），数据类型：64位浮点型列表
- 名称：基础1多数投票结果（base_1_majority），数据类型：64位浮点型列表
- 名称：基础1奖励得分（base_1_reward），数据类型：64位浮点型
- 名称：基础2均值（base_2_mean），数据类型：64位浮点型列表
- 名称：基础2多数投票结果（base_2_majority），数据类型：64位浮点型列表
- 名称：基础2奖励得分（base_2_reward），数据类型：64位浮点型
- 名称：当前1均值（current_1_mean），数据类型：64位浮点型列表
- 名称：当前1多数投票结果（current_1_majority），数据类型：64位浮点型列表
- 名称：当前1奖励得分（current_1_reward），数据类型：64位浮点型
- 名称：当前2均值（current_2_mean），数据类型：64位浮点型列表
- 名称：当前2多数投票结果（current_2_majority），数据类型：64位浮点型列表
- 名称：当前2奖励得分（current_2_reward），数据类型：64位浮点型
- 名称：通义千问提示词（qwen_prompt），数据类型：字符串
- 名称：通义千问提示词Token序列（qwen_prompt_tokens），数据类型：64位整型列表
- 名称：选中回复（chosen），数据类型：字符串
- 名称：拒答回复（reject），数据类型：字符串
- 名称：通义千问选中回复（qwen_chosen），数据类型：字符串
- 名称：通义千问拒答回复（qwen_reject），数据类型：字符串
- 名称：通义千问选中回复Token序列（qwen_chosen_tokens），数据类型：64位整型列表
- 名称：通义千问拒答回复Token序列（qwen_reject_tokens），数据类型：64位整型列表
- 名称：选中回复奖励得分（chosen_reward），数据类型：64位浮点型
- 名称：拒答回复奖励得分（reject_reward），数据类型：64位浮点型
- 名称：生成选中回复奖励（g_chosen），数据类型：64位浮点型
- 名称：生成拒答回复奖励（g_reject），数据类型：64位浮点型
数据集划分：
- 划分名称：训练集（train），字节数：23460930907，样本数：231097
- 划分名称：测试集（test），字节数：72876826，样本数：721
下载大小：1961566052
总数据集大小：23533807733
配置项：
- 配置名称：默认（default），数据文件：
- 划分：训练集，路径：data/train-*
- 划分：测试集，路径：data/test-*
提供机构：
zjhhhh
