Conjunto de Dados: Nvidia/Helpsteer2
term_id: datasetnvidiahelpsteer2
Category: basic_concepts
Definition
O Helpsteer2 é um conjunto de dados curado lançado pela NVIDIA que contém comparações em pares de respostas geradas por grandes modelos de linguagem. Ele foca em preferências humanas multidimensionais, como utilida
Summary
Um conjunto de dados de alta qualidade de preferências humanas, projetado especificamente para treinar modelos de recompensa no aprendizado por reforço a partir de feedback humano.
Key Concepts
- RLHF (Reinforcement Learning from Human Feedback)
- Modelagem de Recompensa
- Preferências Humanas
- Alinhamento
Use Cases
- Treinamento de modelos de recompensa para alinhamento de LLMs
- Avaliação da utilidade e segurança do modelo
- Ajuste fino de modelos base com dados de preferência