Krisl7286/HH-RLHF-Personal-Copy-Helpfulness-First

Name: Krisl7286/HH-RLHF-Personal-Copy-Helpfulness-First
Creator: Krisl7286
Published: 2025-10-25T03:25:12+08:00

Hugging Face2025-09-14 更新2025-10-25 收录

基于人类反馈的强化学习

对话助手对齐

数据链接：

https://hf-mirror.com/datasets/Krisl7286/HH-RLHF-Personal-Copy-Helpfulness-First 数据链接链接失效反馈

官方服务：

资源简介：

--- license: cc-by-4.0 ---

许可证：知识共享署名4.0（CC BY 4.0）

提供机构：

Krisl7286

YYYYYYibo/gshf_vllm_1_part_2_mini_2

语言模型对齐

基于人类反馈的强化学习

该数据集包含用于训练和评估的对话数据，主要特征包括prompt、prompt_id、chosen、rejected、messages、score_chosen、score_rejected、reference_response和resp1。chosen和rejected是对话中的选择和拒绝响应，messages包含对话内容。数据集的分割部分只包含train_prefs，该分割有2500个样本，大小

Hugging Face2024-07-04 更新120

HFXM/hh-rlhf-Rule13

基于人类反馈的强化学习

AI模型对齐

该数据集包含两个字符串类型的特征：选中的(chosen)和被拒绝的(rejected)。数据集仅包含一个训练集分割，共有169352个样本，数据集大小为325133436字节。提供了一个默认配置，用于指定训练数据文件的路径。

Hugging Face2025-01-02 更新80

YYYYYYibo/gshf_vllm_2_part_3_mini_0

语言模型对齐

基于人类反馈的强化学习

--- dataset_info: features: - name: prompt dtype: string - name: prompt_id dtype: string - name: chosen list: - name: content dtype: string - name: role dtype:

Hugging Face2024-07-05 更新80

CodeDPO/rlhf_dataset_20250126_openrlhf_format

代码生成模型优化

基于人类反馈的强化学习

该数据集包含了问题、测试用例、推断和上下文消息等字段。它通过Qwen Coder 32B Instruct的过滤，用于测试用例和准确度的研究。数据集分为训练集，共有84924个示例，大小为1,136,916,895字节。

Hugging Face2025-01-26 更新90

PKU-SafeRLHF

AI安全对齐

基于人类反馈的强化学习

PKU-SafeRLHF 仓库提供了一个高质量的偏好数据集，包含83.4K条数据，标注了无害性和有用性两个维度。每条数据包括一个问题的两个回答，以及基于其有用性和无害性的安全元标签和偏好。该仓库包含来自 Alpaca-7B、Alpaca2-7B 和 Alpaca3-8B 的回复，并支持加载指定子集。数据集中的每个问答对都标有危害类别和严重程度，用于文本生成任务，并采用 CC-BY-NC-4.0 许

Opencsg2024-07-19 更新80

Krisl7286/HH-RLHF-Personal-Copy-Helpfulness-First

资源简介：

相关数据集