PKU-Alignment 发布 PKU-SafeRLHF-30K 数据集, 应用在 语言模型安全性、算法评估 领域

PKU-Alignment 本次发布的数据集 PKU-SafeRLHF-30K, 该数据集包含约27,000个训练条目和3,000个测试条目。每个条目包含一个元组（x, y0, y1），并附有注释，指明哪个回应更有帮助，哪个更安全，以及对每个回应的二元安全指示器。此外，该数据集被用于评估SafeDPO算法在减少不安全回应和提升回应有用性方面的性能。该任务旨在训练和测试语言模型在安全对齐方面的算法。

查看PKU-SafeRLHF-30K

Dataset card 内容： 

Files and versions 内容： 

关于 PKU-Alignment , PKU-Alignment是北京大学的研究小组，专注于强化学习、大型语言模型和价值对齐研究。

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。