Датасет · argilla
Бинаризованные предпочтения UltraFeedback
argilla/ultrafeedback-binarized-preferences
Пары предпочтений из UltraFeedback, бинаризованные по средним оценкам и отобранные в Argilla.
Что внутри
Датасет основан на UltraFeedback: оценки предпочтений сведены к бинарному выбору по среднему значению. Argilla отфильтровала примеры после визуального просмотра, где общий балл в оригинале плохо совпадал с качеством выбранного ответа. Данные в табличном и текстовом формате, размер — от 10 тыс. до 100 тыс. примеров.
Что можно сделать
- обучить reward-модель
- настроить DPO или RLHF
- проверить качество пар ответов
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 334
- Лайков
- 86
Как загрузить
from datasets import load_dataset
ds = load_dataset("argilla/ultrafeedback-binarized-preferences")