jihuny/llama_hh_10k_sky_dpo_mgopt_a07_l1e2

--- 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: 28663347 num_examples: 10000 download_size: 15812865 dataset_size: 28663347 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征字段： - 字段名：提示词（prompt），数据类型：字符串 - 字段名：优选回复（chosen），数据类型：字符串 - 字段名：拒选回复（rejected），数据类型：字符串 - 字段名：优选回复得分（score_chosen），数据类型：64位浮点数 - 字段名：拒选回复得分（score_rejected），数据类型：64位浮点数 - 字段名：奖励边际值（reward_margin），数据类型：64位浮点数 数据划分： - 划分名称：训练集（train），占用字节数：28663347，样本数量：10000 下载大小：15812865，数据集总大小：28663347 配置项： - 配置名称：默认（default），数据文件： - 对应数据划分：训练集（train），文件路径：data/train-*