zjhhhh/Llama-3.2-3B-Instruct_multi_armo_2rewards_preprocessed_rewardidx1_tokenized

---
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
splits:
- name: train
num_bytes: 33592785348.095036
num_examples: 333939
- name: test
num_bytes: 550881015.1456311
num_examples: 5438
download_size: 2283028936
dataset_size: 34143666363.240665
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

数据集信息：
字段列表：
- 名称：prompt_id，数据类型：字符串
- 名称：prompt，数据类型：字符串
- 名称：response_0，数据类型：字符串
- 名称：response_1，数据类型：字符串
- 名称：response_2，数据类型：字符串
- 名称：response_3，数据类型：字符串
- 名称：response_4，数据类型：字符串
- 名称：response_5，数据类型：字符串
- 名称：response_6，数据类型：字符串
- 名称：response_7，数据类型：字符串
- 名称：response_8，数据类型：字符串
- 名称：response_9，数据类型：字符串
- 名称：response_10，数据类型：字符串
- 名称：response_11，数据类型：字符串
- 名称：response_12，数据类型：字符串
- 名称：response_13，数据类型：字符串
- 名称：response_14，数据类型：字符串
- 名称：response_15，数据类型：字符串
- 名称：response_0_reward，数据类型：64位浮点型列表
- 名称：response_1_reward，数据类型：64位浮点型列表
- 名称：response_2_reward，数据类型：64位浮点型列表
- 名称：response_3_reward，数据类型：64位浮点型列表
- 名称：response_4_reward，数据类型：64位浮点型列表
- 名称：response_5_reward，数据类型：64位浮点型列表
- 名称：response_6_reward，数据类型：64位浮点型列表
- 名称：response_7_reward，数据类型：64位浮点型列表
- 名称：response_8_reward，数据类型：64位浮点型列表
- 名称：response_9_reward，数据类型：64位浮点型列表
- 名称：response_10_reward，数据类型：64位浮点型列表
- 名称：response_11_reward，数据类型：64位浮点型列表
- 名称：response_12_reward，数据类型：64位浮点型列表
- 名称：response_13_reward，数据类型：64位浮点型列表
- 名称：response_14_reward，数据类型：64位浮点型列表
- 名称：response_15_reward，数据类型：64位浮点型列表
- 名称：Llama格式提示 (llama_prompt)，数据类型：字符串
- 名称：Llama格式提示Token (Token) 列表，数据类型：64位整型列表
- 名称：优选回复 (chosen)，数据类型：字符串
- 名称：拒选回复 (reject)，数据类型：字符串
- 名称：优选回复奖励 (chosen_reward)，数据类型：64位浮点型
- 名称：拒选回复奖励 (reject_reward)，数据类型：64位浮点型
- 名称：g_chosen，数据类型：64位浮点型
- 名称：g_reject，数据类型：64位浮点型
- 名称：奖励差距 (gap)，数据类型：64位浮点型
- 名称：Llama格式优选回复 (llama_chosen)，数据类型：字符串
- 名称：Llama格式优选回复Token (Token) 列表，数据类型：64位整型列表
- 名称：Llama格式拒选回复 (llama_reject)，数据类型：字符串
- 名称：Llama格式拒选回复Token (Token) 列表，数据类型：64位整型列表
数据集划分：
- 名称：训练集 (train)，字节大小：33592785348.095036，样本数量：333939
- 名称：测试集 (test)，字节大小：550881015.1456311，样本数量：5438
下载大小：2283028936 字节
数据集总大小：34143666363.240665 字节
配置项：
- 配置名称：默认 (default)，数据文件路径：
- 训练集：data/train-*
- 测试集：data/test-*