GitBag/rebel_multiturn-hh-turn-1-5_512_1719183069
Updated
Zhaolin Gao
GitBag
AI & ML interests
Reinforcement Learning from Human Feedback
Recent Activity
updated
a dataset
28 days ago
GitBag/math_qwen3_1.7B_8192_n_128_eval_len
published
a dataset
28 days ago
GitBag/math_qwen3_1.7B_8192_n_128_eval_len
updated
a dataset
28 days ago
GitBag/math_qwen2.5_3B_8192_n_128_eval_len
Organizations
GitBag/rebel_multiturn-hh-turn-1-5_256_1716249251
Updated
GitBag/rebel_ultrafeedback_full_1719323796
Updated
GitBag/rebel_ultrafeedback_full_1719245919
Updated
GitBag/rebel_ultrafeedback_full_1719076970
Updated
GitBag/rebel_ultrafeedback_full_1718447574
Updated
GitBag/rebel_ultrafeedback_full_1717725181
Updated
GitBag/rebel_ultrafeedback_full_1717725181_601
Text Generation
•
8B
•
Updated
•
10
GitBag/rebel_ultra_pairx_1716249251
Updated
GitBag/rebel_ultra_pairx_1715940895
Updated
GitBag/rebel_nectar_1715705826
Updated
GitBag/ultrafeedback_llama3_eurus
Updated
GitBag/rebel_nectar_1715368613
Updated
GitBag/rebel_nectar_1715367333
Updated
GitBag/rebel_nectar_1715367273
Updated
GitBag/rebel_nectar_1715223697
Updated
GitBag/rebel_nectar_1715215710
Updated
GitBag/rebel_nectar_1715138121
Updated
GitBag/rebel_nectar_1715023563
Updated
GitBag/rebel_nectar_1715023961
Updated
GitBag/rebel_nectar_1714951885
Updated
GitBag/rebel_nectar_1714882228
Updated
GitBag/rebel_nectar_1714606257
Updated
GitBag/rebel_nectar_1714579636
Updated
GitBag/rm_sft_tldr_pythia_1_4b
Updated
•
1
GitBag/sft_tldr_pythia_1_4b
Text Generation
•
Updated
•
5
GitBag/Reviewer2_Mp
Text Generation
•
Updated
•
5.55k
GitBag/Reviewer2_Mr
Text Generation
•
Updated
•
5.2k