HH-RLHF
收藏kaggle2023-02-09 更新2024-03-08 收录
下载链接：
https://www.kaggle.com/datasets/panhaowen/hh-rlhf
下载链接
链接失效反馈官方服务：
资源简介：
应用场景：
创建时间：
2023-02-09
相关数据集
HH-RLHF
数据在本文中进行了描述: 通过从人类反馈中进行强化学习来培训有用且无害的助手。如果您发现数据有用，请引用该论文。数据格式非常简单-jsonl文件的每一行都包含一对文本，一个 “选择” 和一个 “拒绝”。 为了有帮助，将数据分为三个部分分为训练/测试拆分: 从我们的基础模型 (上下文蒸馏的52B语言模型)，通过针对早期偏好模型的拒绝采样 (主要是16个最佳采样)，以及在我们迭代的 “在线” 过程中采
OpenXLab00
hh-rlhf
# Dataset Card for HH-RLHF ## Dataset Summary This repository provides access to two different kinds of data: 1. Human preference data about helpfulness and harmlessness from [Training a Helpful a
魔搭社区2026-05-23 更新230
HH-RLHF
数据在本文中进行了描述: 通过从人类反馈中进行强化学习来培训有用且无害的助手。如果您发现数据有用，请引用该论文。数据格式非常简单-jsonl文件的每一行都包含一对文本，一个 “选择” 和一个 “拒绝”。 为了有帮助，将数据分为三个部分分为训练/测试拆分: 从我们的基础模型 (上下文蒸馏的52B语言模型)，通过针对早期偏好模型的拒绝采样 (主要是16个最佳采样)，以及在我们迭代的 “在线” 过程中采
OpenDataLab2026-07-05 更新110
HH-RLHF dataset
The HH-RLHF dataset is used to evaluate the performance of the proposed Compositional Preference Models (CPMs).
DataCite Commons2026-01-07 更新00
HH-RLHF dataset
该数据集包含了9,662个具有争议性的社会问题，旨在评估语言模型在社会一致性方面的表现。此外，该数据集还用于衡量语言模型在处理与社会相关问题的能力。这项任务被称为社会一致性评估。
arXiv150
