Ainexis
偏好对齐数据集，包括 HH-RLHF、UltraFeedback、Nectar、OpenAI Summarize 等，介绍偏好对（chosen/rejected）的构造方法、标注质量与在 RLHF/DPO 中的使用方式。
UltraFeedback 是清华团队发布的超大规模 AI …
Nectar 是 UC Berkeley BAIR 团队（C…
HH-RLHF 是 Anthropic 在 2022 年论文…
