HachiML/

self-rewarding_AIFT_MSv0.3_lora

HachiML/self-rewarding_instructを、

split=AIFT_M1 は HachiML/Mistral-7B-v0.3-m1-lora split=AIFT_M2 は HachiML/Mistral-7B-v0.3-m2-lora でそれぞれself-rewardingして作成したAIFT(AI Feedback Tuning) dataです。 手順は以下の通りです。

HachiML/self-rewarding_instructのInstructionに対する回答を各モデルで4つずつ作成 回答に対して各モデルで点数評価 最高評価の回答をchosen、最低評価の回答をrejectedとする 詳細はself-rewardingの論文を参照してください。

	Dataset Details






	Dataset Description

Curated by: HachiMLLanguage(s) (NLP):… See the full description on the dataset page: https://huggingface.co/datasets/HachiML/self-rewarding_AIFT_MSv0.3_lora.