UP-RLHF

Mendeley Data2026-04-09 收录

RLHF（基于人类反馈的强化学习）

语言模型对齐

数据链接：

https://data.mendeley.com/datasets/vgzvz6fpxw 数据链接链接失效反馈

官方服务：

资源简介：

This repository contains the implementation of UP-RLHF and GPT-4 evaluation cases.

本代码仓库包含UP-RLHF的实现代码以及GPT-4的评估案例。

nlee-208/persona_zero-janus-dpo-7b

语言模型对齐

对话生成

该数据集包含四个特征：人物设定（persona）、提示（prompt）、描述（description）和生成内容（generated）。数据集仅包含一个训练集，共有500个样本，总大小为1612198字节，下载大小为889811字节。数据集的配置文件指定了默认配置，数据文件路径为data/train-*。

Hugging Face2024-12-13 更新200

sgp-bench/open-instruct-gpt4o_10k

指令微调

语言模型对齐

--- dataset_info: features: - name: instruction dtype: string - name: input dtype: string - name: output dtype: string splits: - name: train num_bytes: 91712519 num_exa

Hugging Face2024-08-20 更新70

dsrtrain/new_numia_prompt_dpo1

语言模型对齐

直接偏好优化

--- dataset_info: features: - name: data_source dtype: string - name: prompt list: - name: content dtype: string - name: role dtype: string - name: ability dtyp

Hugging Face2025-02-23 更新50

trl-internal-testing/tiny-ultrafeedback-binarized

语言模型对齐

奖励模型训练

--- dataset_info: features: - name: chosen list: - name: content dtype: string - name: role dtype: string - name: rejected list: - name: content dtype: stri

Hugging Face2024-10-17 更新100

zjhhhh/generation_for_iter2_7b_multi_gap_0.17

语言模型对齐

生成式对抗训练

--- dataset_info: features: - name: prompt dtype: string - name: requirements dtype: string - name: selection_response_1 dtype: string - name: selection_response_2 dtype: str

Hugging Face2025-12-19 更新50

UP-RLHF

资源简介：

相关数据集