Датасет · stanfordnlp
385K человеческих предпочтений ответов
stanfordnlp/SHP
385 тыс. человеческих предпочтений полезности ответов на вопросы в 18 темах.
Что внутри
SHP — датасет из 385 тыс. коллективных человеческих предпочтений между ответами на вопросы и инструкции. Темы охватывают 18 областей, от кулинарии до юридических советов; предпочтения отражают полезность одного ответа относительно другого. Данные на английском, в текстовой и табличной модальностях, предназначены для обучения моделей.
Что можно сделать
- RLHF/DPO-дообучение на человеческих предпочтениях
- Обучение reward-модели полезности ответов
- Оценка instruct-модели в 18 темах
- Задачи
- Генерация текста, Вопрос-ответ
- Языки
- Английский
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 26,9 тыс.
- Лайков
- 333
Модели, обученные на нём
- tasksource/deberta-small-long-nliZero-shot классификация 10,2 тыс.
- sileod/deberta-v3-base-tasksource-nliZero-shot классификация 8,5 тыс.
- mradermacher/archangel_sft-kto_llama30b-i1-GGUF 4,1 тыс.
- sileod/deberta-v3-large-tasksource-nliZero-shot классификация 2,8 тыс.
- tasksource/deberta-base-long-nliZero-shot классификация 2,2 тыс.
- mradermacher/archangel_sft-kto_llama30b-GGUF 1,3 тыс.
- rinna/japanese-gpt-neox-3.6b-instruction-sft-v2Генерация текста 1,1 тыс.
- stanfordnlp/SteamSHP-flan-t5-large 424
Как загрузить
from datasets import load_dataset
ds = load_dataset("stanfordnlp/SHP")