qgyd2021/rlhf_reward_dataset

RLHF奖励模型数据集是一个包含中文和英文数据的数据集，主要用于问答和文本生成任务，特别是奖励模型和从人类反馈中强化学习（RLHF）相关的研究。数据集包括多个来源的数据，如beyond、helpful_and_harmless、zhihu_3k和SHP等，涵盖了不同领域的问答和偏好数据。具体来说，beyond数据集包含24858个样本，helpful_and_harmless数据集包含无害和有益的训练和测试数据，zhihu_3k数据集包含3460个知乎问答数据，SHP数据集包含385K个涉及18个子领域的偏好数据。

The RLHF Reward Model Dataset is a bilingual dataset containing both Chinese and English data, primarily intended for question answering and text generation tasks, especially for research related to reward models and Reinforcement Learning from Human Feedback (RLHF). This dataset incorporates data from multiple sources including beyond, helpful_and_harmless, zhihu_3k, SHP and other resources, covering question answering and preference data across diverse domains. Specifically, the beyond dataset contains 24,858 samples; the helpful_and_harmless dataset includes harmless and helpful training and test data; the zhihu_3k dataset holds 3,460 Zhihu question answering samples; and the SHP dataset features 385K preference data spanning 18 subfields.

原始信息汇总

RLHF Reward Model Dataset

数据集概述

• 许可证: Apache-2.0
• 任务类别:
  • 问答
  • 文本生成
• 语言:
  • 中文
  • 英文
• 标签:
  • 奖励模型
  • rlhf
• 大小类别: 100M<n<1B

数据集详情

数据	语言	原始数据/项目地址	样本个数	原始数据描述	替代数据下载地址
beyond	中文	beyond/rlhf-reward-single-round-trans_chinese	24858
helpful_and_harmless	中文	dikw/hh_rlhf_cn	harmless train 42394 条，harmless test 2304 条，helpful train 43722 条，helpful test 2346 条	基于 Anthropic 论文 Training a Helpful and Harmless Assistant with Reinforcement Learning from Human Feedback 开源的 helpful 和 harmless 数据，使用翻译工具进行了翻译。	Anthropic/hh-rlhf
zhihu_3k	中文	liyucheng/zhihu_rlhf_3k	3460	知乎上的问答有用户的点赞数量，它应该是根据点赞数量来判断答案的优先级。
SHP	英文	stanfordnlp/SHP	385K	涉及18个子领域，偏好表示是否有帮助。