Models · Data · 偏好与 RLHF
Anthropic HH-RLHF
有帮助性与无害性两组人类偏好数据,是 RLHF 早期常用的公开基线。
| 来源 | Anthropic |
|---|---|
| 规模 | 约 17 万组偏好对比 |
| 语言 | 英文 |
| 格式 | JSONL |
| 许可 | MIT |
| 商用 | 允许 |
| 获取 | 直接下载 |
| 任务适配 | RLHF / 偏好建模 |
| 核验日 | 2026-11-19 |
质量与偏差
有帮助性与无害性两组人类偏好数据,是 RLHF 早期常用的公开基线。
使用边界
对话风格与现在的助手产品差异较大;直接拿旧偏好训新模型,可能学到过时的表达。
下一步
- 打开来源页,下载数据集卡与许可原文,确认版本与获取条件。
- 先抽 100–500 条样本做质量、语言与敏感内容抽检,再决定是否进训练管线。
- 如果用于 RAG 或 SFT,先读 RAG 语料怎么选 / SFT 数据怎么配比。
来源:https://huggingface.co/datasets/Anthropic/hh-rlhf · 核验日 2026-11-19 · 许可以来源页为准