yimingzhang/hh-rlhf-safety

该数据集是Anthropic的hh-rlhf数据集，被解析为聊天格式，并根据LlamaGuard-7B添加了安全标签。数据集包含chosen和rejected两个主要字段，分别表示被选中和被拒绝的对话内容。此外，数据集还包含chosen-chat和rejected-chat字段，这些字段是列表类型，包含content和role两个子字段，分别表示对话内容和角色。数据集还包括chosen-safety和rejected-safety字段，表示对话内容的安全性标签。数据集分为训练集和测试集，训练集包含160,800个样本，测试集包含8,552个样本。

原始信息汇总

数据集概述

数据集特征

• chosen: 数据类型为字符串。
• rejected: 数据类型为字符串。
• chosen-chat: 包含以下子特征：
  • content: 数据类型为字符串。
  • role: 数据类型为字符串。
• rejected-chat: 包含以下子特征：
  • content: 数据类型为字符串。
  • role: 数据类型为字符串。
• chosen-safety: 数据类型为字符串。
• rejected-safety: 数据类型为字符串。

数据集分割

• train: 包含160800个示例，总大小为455455414字节。
• test: 包含8552个示例，总大小为24447555字节。

数据集大小

• 下载大小: 270421858字节。
• 数据集总大小: 479902969字节。

配置

• default: 包含以下数据文件：
  • train: 路径为data/train-*。
  • test: 路径为data/test-*。

许可证

• 使用MIT许可证。

大小分类

• 100K<n<1M