清华大学 发布 VERINSTRUCT 数据集, 应用在 强化学习、指令跟随 领域

清华大学 本次发布的数据集 VERINSTRUCT, VERINSTRUCT数据集是由清华大学计算机科学与技术系的研究团队构建的，包含大约22,000个带有验证信号的指令跟随实例。数据集的构建过程包括两个主要步骤：指令构造和验证生成。指令构造使用了约束回译方法来生成具有多个约束的复杂指令。验证生成则针对硬约束使用代码验证，对软约束使用大型推理模型进行在线验证。数据集旨在支持指令跟随中的强化学习，并已应用于多个模型，取得了显著的效果。

查看VERINSTRUCT

README 内容： 

关于 清华大学 , 清华大学是中国顶尖的综合性研究型大学，位于北京，有着很高的国际声誉。学校成立于1911年，拥有多个学科领域的研究实力，在工程、计算机科学等领域特别突出。

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。