UCLAML/RPO-Iter2-New-312_generated

---
dataset_info:
features:
- name: prompt_id
dtype: string
- name: prompt
dtype: string
- name: chosen
list:
- name: content
dtype: string
- name: role
dtype: string
- name: rejected
list:
- name: content
dtype: string
- name: role
dtype: string
- name: all_generated_responses
sequence: string
- name: all_rm_scores
sequence: float64
- name: probability
sequence:
sequence: float64
- name: rm_scores
sequence: float32
- name: chosen_probs_win
dtype: float64
- name: chosen_probs_lose
dtype: float64
- name: chosen_probs
dtype: float64
- name: g
dtype: int64
- name: generate_0
list:
- name: content
dtype: string
- name: role
dtype: string
- name: generate_1
list:
- name: content
dtype: string
- name: role
dtype: string
- name: generate_2
list:
- name: content
dtype: string
- name: role
dtype: string
- name: generate_3
list:
- name: content
dtype: string
- name: role
dtype: string
- name: generate_4
list:
- name: content
dtype: string
- name: role
dtype: string
splits:
- name: train
num_bytes: 643009441
num_examples: 19996
download_size: 330016951
dataset_size: 643009441
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "RPO-Iter2-New-312_generated"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征字段：
- 名称：提示ID（prompt_id），数据类型：字符串（string）
- 名称：提示文本（prompt），数据类型：字符串（string）
- 名称：优选响应（chosen），为列表类型，包含：
- 名称：内容（content），数据类型：字符串（string）
- 名称：角色（role），数据类型：字符串（string）
- 名称：弃选响应（rejected），为列表类型，包含：
- 名称：内容（content），数据类型：字符串（string）
- 名称：角色（role），数据类型：字符串（string）
- 名称：所有生成响应（all_generated_responses），为字符串序列
- 名称：所有奖励模型评分（all_rm_scores），为float64类型序列
- 名称：概率（probability），为嵌套的float64类型序列
- 名称：奖励模型评分（rm_scores），为float32类型序列
- 名称：优选响应获胜概率（chosen_probs_win），数据类型：float64
- 名称：优选响应落败概率（chosen_probs_lose），数据类型：float64
- 名称：优选响应概率（chosen_probs），数据类型：float64
- 名称：g，数据类型：整数型（int64）
- 名称：生成响应0（generate_0），为列表类型，包含：
- 名称：内容（content），数据类型：字符串（string）
- 名称：角色（role），数据类型：字符串（string）
- 名称：生成响应1（generate_1），为列表类型，包含：
- 名称：内容（content），数据类型：字符串（string）
- 名称：角色（role），数据类型：字符串（string）
- 名称：生成响应2（generate_2），为列表类型，包含：
- 名称：内容（content），数据类型：字符串（string）
- 名称：角色（role），数据类型：字符串（string）
- 名称：生成响应3（generate_3），为列表类型，包含：
- 名称：内容（content），数据类型：字符串（string）
- 名称：角色（role），数据类型：字符串（string）
- 名称：生成响应4（generate_4），为列表类型，包含：
- 名称：内容（content），数据类型：字符串（string）
- 名称：角色（role），数据类型：字符串（string）
数据集划分：
- 划分名称：训练集（train），字节数：643009441，样本数量：19996
下载大小：330016951
数据集总大小：643009441
配置项：
- 配置名称：默认配置（default），数据文件：
- 划分：训练集（train），文件路径：data/train-*
# 数据集卡片："RPO-Iter2-New-312_generated"

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集信息

特征

• prompt_id: 字符串类型
• prompt: 字符串类型
• chosen: 列表类型
  • content: 字符串类型
  • role: 字符串类型
• rejected: 列表类型
  • content: 字符串类型
  • role: 字符串类型
• all_generated_responses: 字符串序列
• all_rm_scores: 浮点数序列 (float64)
• probability: 嵌套浮点数序列 (float64)
• rm_scores: 浮点数序列 (float32)
• chosen_probs_win: 浮点数类型 (float64)
• chosen_probs_lose: 浮点数类型 (float64)
• chosen_probs: 浮点数类型 (float64)
• g: 整数类型 (int64)
• generate_0: 列表类型
  • content: 字符串类型
  • role: 字符串类型
• generate_1: 列表类型
  • content: 字符串类型
  • role: 字符串类型
• generate_2: 列表类型
  • content: 字符串类型
  • role: 字符串类型
• generate_3: 列表类型
  • content: 字符串类型
  • role: 字符串类型
• generate_4: 列表类型
  • content: 字符串类型
  • role: 字符串类型

数据分割

• train:
  • 字节数: 643009441
  • 样本数: 19996

数据集大小

• 下载大小: 330016951 字节
• 数据集大小: 643009441 字节

配置

• default:
  • 数据文件:
    • 分割: train
    • 路径: data/train-*