К содержимому

Датасет · argilla

Датасет предпочтений на базе диалогов Capybara

argilla/Capybara-Preferences

Англоязычные многоходовые диалоги для выравнивания LLM и обучения по предпочтениям (RLHF/DPO).

Что внутри

Внутри лежат диалоги на английском языке, собранные на основе инструктивного датасета LDJnr/Capybara с помощью инструмента distilabel. Из исходных бесед убрали последнюю реплику ассистента, чтобы превратить историю переписки до последнего вопроса пользователя в базу для оценки предпочтений. Объём набора составляет от 10 до 100 тысяч записей в текстовом и табличном виде.

Что можно сделать

  • Дообучение языковых моделей с помощью RLHF или DPO на многоходовых диалогах
  • Обучение reward-моделей для оценки качества ответов ассистента
Задачи
Генерация текста
Языки
Английский
Размер
10K–100K записей
Скачиваний за месяц
285
Лайков
48

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("argilla/Capybara-Preferences")