Anthropic 发布 Dahoas-rm-static 数据集, 应用在 强化学习、模型训练 领域

Anthropic 本次发布的数据集 Dahoas-rm-static, 该数据集是一个静态分割的数据集，用于训练奖励模型。它包含了用于监督微调的样本、奖励模型训练的样本以及下游任务验证的样本。该数据集被划分为不同训练目的的子集，用以展示所提出方法的有效性。具体规模大约包括1.5万个样本用于监督微调，3万个样本用于奖励模型训练，8千个样本用于验证，以及5千个样本用于测试。该数据集的任务是针对来自人类反馈的强化学习训练奖励模型。

查看Dahoas-rm-static

Dataset card 内容： 

Files and versions 内容： 

关于 Anthropic , Anthropic是一家位于美国加州的前沿人工智能初创企业。

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。