selfcorrexp2/balanced_self_rewarding_rm_labeled_llama3_sft_gen_1round_prompt
收藏数据链接：
官方服务：
资源简介：
该数据集是一个包含索引、提示、奖励序列、答案序列、真实标签、代理标签和二次奖励序列等字段的数据集，主要用于训练机器学习模型。数据集分为训练集，共有15000个示例。
This dataset includes fields such as idx, prompt, reward sequences, answer sequences, ground truth labels, proxy labels, and second reward sequences, primarily used for training machine learning models. The dataset is split into a training set with a total of 15,000 examples.
提供机构：
selfcorrexp2
