xudongwu/RPL_Q0.5B_U10_beta0.10rho0.00K2
收藏官方服务：
资源简介：
该数据集包含两个配置（Q0.5B和freshinit），每个配置包含256个样本。特征包括：提示（prompt）、选择的回答（chosen）、拒绝的回答（rejected）、响应（response）、奖励分数（reward_score）和GPT评分（gpt_score）。适用于偏好对齐或强化学习任务。
This dataset includes two configurations (Q0.5B and freshinit), each with 256 samples. Features include: prompt, chosen, rejected, response, reward_score, and gpt_score. It is suitable for preference alignment or reinforcement learning tasks.
提供机构：
xudongwu
