Датасет · openai
Данные человеческой обратной связи для суммаризации
openai/summarize_from_feedback
Набор человеческих оценок и обратной связи для обучения моделей суммаризации по методу RLHF.
Что внутри
Датасет содержит данные человеческой обратной связи, выпущенные вместе со статьёй «Learning to summarize from human feedback». Это текстовые примеры для обучения и оценки суммаризации с участием людей. Размер — от 100 тыс. до 1 млн примеров; другие детали в карточке не раскрыты.
Что можно сделать
- RLHF-обучение суммаризатора
- Обучение reward-модели для summary
- Оценка суммаризации по человеческим предпочтениям
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 5,3 тыс.
- Лайков
- 233
Модели, обученные на нём
- OpenAssistant/reward-model-deberta-v3-large-v2Классификация текста 12,1 тыс.
- tasksource/deberta-small-long-nliZero-shot классификация 10,2 тыс.
- sileod/deberta-v3-base-tasksource-nliZero-shot классификация 8,5 тыс.
- mradermacher/piano-medley-7b-i1-GGUF 3,2 тыс.
- TheBloke/manticore-13b-chat-pyg-GGUFГенерация текста 2,8 тыс.
- sileod/deberta-v3-large-tasksource-nliZero-shot классификация 2,8 тыс.
- OpenAssistant/reward-model-deberta-v3-baseКлассификация текста 2,4 тыс.
- tasksource/deberta-base-long-nliZero-shot классификация 2,2 тыс.
Как загрузить
from datasets import load_dataset
ds = load_dataset("openai/summarize_from_feedback")