Nectar — LLM 偏好（RLHF / DPO） Dataset
A 183K prompt dataset from UC Berkeley with 7 diverse responses per prompt ranked by GPT-4, covering ShareGPT, Alpaca, Open Assistant, LMSYS-Chat, and more. Enables high-quality reward model training with diverse, real-world instruction coverage.
Dataset Details
| Provider | berkeley-nest |
| Category | 偏好（RLHF / DPO） |
| Size | 183K Prompts |
| License | Apache 2.0 |
| Downloads | 310k |
| Tags | Reward Model, GPT-4 Ranked, Diverse Sources, Berkeley, RLHF |
from datasets import load_dataset
ds = load_dataset("berkeley-nest/Nectar")
用这个数据集微调
使用 QLoRA（4-bit 基础模型 + LoRA 适配器）微调的预计显存需求（保守默认参数）：
| 7B QLoRA | ~6GB VRAM |
| 13B QLoRA | ~10GB VRAM |
检测你的 GPU 能否微调 →
微调新手？跟着分步教程走： 一小时微调你的第一个 LLM
相关数据集
- HelpSteer2 — Training reward models with fine-grained quality ratings
- UltraFeedback — The default DPO preference set to run after any SFT pass
- Anthropic HH-RLHF — Safety-focused preference training (helpfulness and harmlessness)
- DPO Mix 7K — A small, balanced DPO starter set
常见问题
Nectar 可以商用吗？
可以——Nectar 采用 Apache 2.0 宽松许可证，允许商业使用，包括训练用于产品的模型。发布前请查看数据集卡片中的署名要求。
Nectar 有多少数据？需要全部使用吗？
Nectar 包含 183K Prompts。通常不需要全部：风格和格式微调只需几百到几千条样本——先加载切片（如 split="train[:1000]"），质量到达瓶颈时再扩大规模。
Nectar 最适合做什么？
Reward-model training with 7-way ranked responses。它属于数据集中心的「偏好（RLHF / DPO）」板块，那里有替代和互补的数据集。
← 全部数据集 | Fine-Tuning Guide