--- dataset_info: features: - name: rejected dtype: string - name: chosen dtype: string - name: prompt dtype: string splits: - name: train num_bytes: 36118145.0 num_exa

Hugging Face2024-05-06 更新180

Colder203/RLHF_PPO_Math_Step

强化学习

数学问题求解

该数据集包含一个名为prompt的字符串类型特征。数据集分为一个训练集，包含5398个样本，总大小为2670997字节。下载大小为1192430字节。数据集的配置名为default，数据文件路径为data/train-*。

Hugging Face2024-12-19 更新100

eval_tape_pick_no_DAgger_02

资源简介：

相关数据集