five

Multi-turn RLHF Dataset

收藏
arXiv2025-09-30 收录
下载链接:
https://github.com/ZhaolinGao/REFUEL/
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集旨在评估在多轮强化学习从人类反馈(RLHF)环境中REFUEL政策优化方法的有效性。它包含了自生成数据,以解决多轮RLHF中的协变量偏移问题。该数据集适用于多轮对话模拟任务。

This dataset is designed to evaluate the effectiveness of the REFUEL policy optimization method in a multi-turn Reinforcement Learning from Human Feedback (RLHF) environment. It contains self-generated data to resolve the covariate shift issue in multi-turn RLHF. This dataset is applicable to multi-turn dialogue simulation tasks.
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作