Dataset:Nvidia/Helpsteer2
term_id: datasetnvidiahelpsteer2
Category: basic_concepts
Definition
Helpsteer2 היא מערכת נתונים מפוקחת שפורסמה על ידי NVIDIA וכוללת השוואות זוגיות של תגובות שנוצרו על ידי מודלי שפה גדולים. הדגש הוא על העדפות אנושיות רב-ממדיות, כגון עזרה
Summary
מערכת נתונים איכותית של העדפות אנושיות, המיועדת ספציפית לאימון מודלי תגמול בלמידה חיזוקית ממשוב אנושי.
Key Concepts
- RLHF
- מודלי תגמול
- העדפות אנושיות
- יישור
Use Cases
- אימון מודלי תגמול ליישור LLM
- הערכת עזרה ובטיחות המודל
- דק-כיוון של מודלים בסיסיים עם נתוני העדפות