Seturile de date pentru DPO necesită trei coloane fundamentale: prompt (întrebarea inițială), chosen (răspunsul preferat, calitativ și corect) și rejected (răspunsul respins, eronat, halucinat sau nepoliticos).
{
"prompt": "Cum calculez aria unui cerc în Python?",
"chosen": "Puteți folosi formula math.pi * r ** 2:
```python
import math
def arie_cerc(r):
return math.pi * (r ** 2)
```",
"rejected": "Doar înmulțești raza cu 3.14 fără niciun modul."
}Modelul învață să maximizeze probabilitatea generării răspunsului chosen și să minimizeze concomitent probabilitatea răspunsului rejected.
Întrebări & Exemple practice:
Formatul Seturilor de Date pentru DPO (prompt, chosen, rejected)Ai o întrebare despre Formatul Seturilor de Date pentru DPO (prompt, chosen, rejected) sau ai descoperit un truc, prompt sau fragment de cod util? Distribuie-l cu ceilalți membri ai comunității!
Fii primul care pune o întrebare sau distribuie un fragment de cod / prompt!
Nu au fost adăugate încă întrebări sau resurse pentru această pagină. Dacă ai testat un prompt sau ai un snippet util, adaugă-l mai jos pentru comunitate.