HelpSteer2 — LLM Preferencje (RLHF / DPO) Dataset
NVIDIA's 21K open-source preference dataset designed for training reward models and RLHF. Each response is annotated by human raters on 5 dimensions: helpfulness, correctness, coherence, complexity, and verbosity. Significantly improves reward model accuracy over HH-RLHF.
Dataset Details
| Provider | nvidia |
| Category | Preferencje (RLHF / DPO) |
| Size | 21K Samples |
| License | CC BY 4.0 |
| Downloads | 290k |
| Tags | RLHF, Reward Model, Multi-aspect, NVIDIA, Human-rated |
from datasets import load_dataset
ds = load_dataset("nvidia/HelpSteer2")
Fine-tuning z tym zbiorem danych
Szacowany VRAM do fine-tuningu z QLoRA (model bazowy 4-bit + adaptery LoRA), przy zachowawczych ustawieniach:
| 7B QLoRA | ~6GB VRAM |
| 13B QLoRA | ~10GB VRAM |
Sprawdź, czy Twoje GPU to udźwignie →
Pierwszy fine-tuning? Przejdź przewodnik krok po kroku: Zrób fine-tuning pierwszego LLM w godzinę
Powiązane zbiory danych
- UltraFeedback — The default DPO preference set to run after any SFT pass
- Nectar — Reward-model training with 7-way ranked responses
- Anthropic HH-RLHF — Safety-focused preference training (helpfulness and harmlessness)
- DPO Mix 7K — A small, balanced DPO starter set
Najczęstsze pytania
Czy mogę użyć HelpSteer2 komercyjnie?
Tak — HelpSteer2 jest udostępniony na licencji CC BY 4.0, liberalnej licencji pozwalającej na użycie komercyjne, w tym trenowanie modeli wdrażanych w produkcie. Przed publikacją sprawdź wymogi atrybucji na karcie zbioru.
Ile danych zawiera HelpSteer2 i czy potrzebuję wszystkich?
HelpSteer2 zawiera 21K Samples. Rzadko potrzebujesz całości: do fine-tuningu stylu i formatu wystarcza kilkaset–kilka tysięcy przykładów — załaduj wycinek (np. split="train[:1000]") i zwiększaj skalę tylko, gdy jakość przestaje rosnąć.
Do czego HelpSteer2 nadaje się najlepiej?
Training reward models with fine-grained quality ratings. Należy do sekcji „Preferencje (RLHF / DPO)" naszego centrum zbiorów danych, gdzie znajdziesz alternatywy i zbiory komplementarne.
← Wszystkie zbiory danych | Fine-Tuning Guide