发布 R-PRM 数据集, 应用在 机器学习、数学推理 领域

本次发布的数据集 R-PRM, R-PRM数据集用于训练推理驱动的过程奖励模型，由监督微调(SFT)和直接偏好优化(DPO)两个阶段组成。该数据集能够对数学推理过程进行逐步分析和判断，提高策略模型的评估质量和指导能力。

查看R-PRM

Dataset card 内容： 

Files and versions 内容： 

关于 , 国庆学校是一所位于中国的教育机构，专注于提供基础教育服务。学校致力于培养学生的综合素质，注重学术与品德的全面发展。

关于 HuggingFace , Hugging Face是一个机器学习社区协作平台，专注于模型、数据集和应用程序的创建、发现和协作。该平台支持多种数据类型，包括文本、图像、视频、音频和3D数据，并提供开源工具和付费计算及企业解决方案。