偏好排序與 RLHF 資料

供 DPO 或獎勵模型訓練使用的回答對、偏好與淘汰標記、理由及平手紀錄。

客戶平台（英文）

示意工作樣本ST / 03

兩則回答摘要同一規定，其中一則加入沒有依據的例外。

匯出紀錄範例

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

JSONL

需要準備的資料

準備一小組回答、參考來源、評分規準，以及需由第二人複核的範例。

以同一準則由兩人評分抽樣資料，匯出前裁決分歧。

內含三筆合成紀錄、需求準備清單與驗收準則。紀錄僅供示範。

SilkTrain

列出的工具僅供參考。請在需求中註明使用的平台與匯出格式，確認專案範圍時會一併核對權限與相容性。

可單獨委託人才招募、獨立品質審查或由專人負責交付。請提供樣本數、審查資格與目標日期。