偏好排序与 RLHF 数据

用于 DPO 或奖励模型训练的回答对、优选与弃选标记、理由及平局记录。

客户平台（英文）

示例工作样本ST / 03

两条回答概述同一政策，其中一条添加了没有依据的例外。

导出记录示例

{"pair":"P-023","chosen":"B","rejected":"A","criterion":"source_fidelity"}

JSONL

需要准备的材料

准备一小组回答、参考来源、评分准则，以及需要第二人复核的示例。

用同一量表双人评审抽样记录，导出前裁决分歧。

内含三条合成记录、需求准备清单和验收标准。记录仅供演示。

SilkTrain

所列工具仅为示例。请在需求中注明自用平台和导出格式。项目启动前将核实权限和格式兼容性。

可单独委托人才招募、独立质检或项目负责人。请注明样本量、审核人员要求和目标日期。