延世大学 发布 orca dpo pairs 数据集, 应用在 大型语言模型、偏好学习 领域

延世大学 本次发布的数据集 orca dpo pairs, orca dpo pairs数据集由韩国首尔延世大学等机构创建，包含约13,000条提示、选择响应和拒绝响应的配对，主要用于指令翻译、写作、常识和数学推理等任务。数据集通过GPT-3.5-turbo模型进行增强，生成了37,000条新的提示，并使用预训练的RM-Gemma-7B模型对响应进行评分和排序。该数据集主要用于优化大型语言模型的偏好学习，旨在提高模型在执行人类指令时的准确性和安全性。

查看orca dpo pairs

关于 延世大学 , 延世大学是韩国首尔的一所著名私立研究型大学，成立于1885年，是韩国历史最悠久的大学之一，也是韩国顶尖的SKY（首尔大学、高丽大学、延世大学）三所大学之一。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。