发布 Multi-turn RLHF Dataset 数据集, 应用在 强化学习、对话系统 领域

本次发布的数据集 Multi-turn RLHF Dataset, 该数据集旨在评估在多轮强化学习从人类反馈（RLHF）环境中REFUEL政策优化方法的有效性。它包含了自生成数据，以解决多轮RLHF中的协变量偏移问题。该数据集适用于多轮对话模拟任务。

查看Multi-turn RLHF Dataset

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 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。