xinyuran/

RLRefine-Dataset

中文说明 | English

RLRefine Dataset 是用于中文电商评论结构化关键词抽取的合成后训练数据集。数据通过 LLM-assisted 合成流水线生成，围绕同一批任务 Prompt 派生出 SFT、DPO 和 GRPO 三种 训练格式。该数据集由 RLRefine 项目产出。 本仓库保留 RLRefine checkpoint-924 后训练流程所使用的数据表示。发布文件保持原始训练 分布，没有去重、重排或重新生成，不应作为独立评测集使用。

	数据配置




	

Config 文件 行数 用途

sft data/checkpoint_924/sft.jsonl 3,696 监督微调示范数据

dpo data/checkpoint_924/dpo.jsonl 3,696 chosen/rejected 偏好对

grpo data/checkpoint_924/grpo.jsonl 3,698 GRPO… See the full description on the dataset page: https://huggingface.co/datasets/xinyuran/RLRefine-Dataset.