跳到主要内容Skip to main content

Models · Data · 偏好与 RLHF

UltraFeedback

用多个模型生成回答再做细粒度评分,适合做偏好对齐与 DPO 训练。

来源OpenBMB
规模约 6.4 万条 prompt × 4 个回答
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 / DPO
核验日2026-11-19

质量与偏差

用多个模型生成回答再做细粒度评分,适合做偏好对齐与 DPO 训练。

使用边界

评分由模型产生,会带入评分模型的偏好;用于生产前要抽检偏差。

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/openbmb/UltraFeedback · 核验日 2026-11-19 · 许可以来源页为准