jihuny/llama_uf_10k_armo_s002_dpo_newton

--- dataset_info: features: - name: prompt dtype: string - name: chosen dtype: string - name: rejected dtype: string - name: score_chosen dtype: float64 - name: score_rejected dtype: float64 - name: reward_margin dtype: float64 splits: - name: train num_bytes: 44750003 num_examples: 10000 download_size: 23300271 dataset_size: 44750003 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征： - 名称：提示词（Prompt），数据类型：字符串（string） - 名称：优选回复（Chosen），数据类型：字符串（string） - 名称：被拒回复（Rejected），数据类型：字符串（string） - 名称：优选得分（score_chosen），数据类型：float64 - 名称：被拒得分（score_rejected），数据类型：float64 - 名称：奖励边际（Reward Margin），数据类型：float64 数据集划分： - 名称：训练集（train），占用字节数：44750003，样本数量：10000 下载大小：23300271 字节 数据集总大小：44750003 字节 配置项： - 配置名称：默认配置（default），数据文件： - 划分集：训练集（train），文件路径：data/train-*