Датасет · openai
Сравнения ответов WebGPT для reward-моделей
openai/webgpt_comparisons
Пары сравнений ответов, отобранные для обучения reward-моделей из статьи WebGPT.
Что внутри
Датасет содержит все сравнения из статьи WebGPT, помеченные как подходящие для reward modelling. Данные представлены в табличном и текстовом виде. Размер — от 10 тыс. до 100 тыс. записей.
Что можно сделать
- Обучение reward-модели для RLHF
- Оценка предпочтений моделей генерации ответов
- Проверка пайплайна обучения на человеческих сравнениях
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 2,1 тыс.
- Лайков
- 252
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.
- 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.
- llm-blender/PairRM-hfГенерация текста 2 тыс.
- llm-blender/PairRMГенерация текста 1,8 тыс.
Как загрузить
from datasets import load_dataset
ds = load_dataset("openai/webgpt_comparisons")