数据集

rh-misalignment-control-sft

EleutherAI/rh-misalignment-control-sft

查看上游原文 ↗
上游访问:公开 本站服务:可咨询 内容检查:AI 辅助整理并检查 许可证:apache-2.0 上游版本:81a633107e6e

中文简介

EleutherAI/rh-misalignment-control-sft 是 EleutherAI 在 Hugging Face 发布的数据集仓库,当前卡片主要关联文本生成与推理。本站固定记录上游版本 81a633107e6e,同步到 3 个文件,文件元数据合计 3.12 MB;访问状态为“公开”,许可证字段为“apache-2.0”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 EleutherAI/rh-misalignment-control-sft 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息,完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
EleutherAI/rh-misalignment-control-sft 是 EleutherAI 在 Hugging Face 发布的数据集仓库,当前卡片主要关联文本生成与推理。本站固定记录上游版本 81a633107e6e,同步到 3 个文件,文件元数据合计 3.12 MB;访问状态为“公开”,许可证字段为“apache-2.0”。

【适用方向】
适合在明确数据字段、拆分和许可证后,用于文本生成与推理相关的训练、评测或研究。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分,避免只依据仓库名称判断数据质量。

【版本与规格】
固定版本:81a633107e6e。 任务标签:文本生成与推理。 语言字段:en。 规模分类:1K<n<10K。 上游页面记录的最近更新时间:2026-02-27。

【文件信息】
上游 API 返回 3 个文件,文件元数据合计 3.12 MB。 已保存文件清单中的主要扩展名:.md 1 个、.parquet 1 个、无扩展名 1 个。 当前较大的文件包括:data/train-00000-of-00001.parquet(1.23 MB);README.md(2.70 KB);.gitattributes(2.45 KB)。

【运行或处理环境】
仓库文件元数据合计 3.12 MB。仅按下载、解压和临时文件估算,建议至少预留约 3.74 MB 可用磁盘;实际需求还取决于压缩率、缓存、数据转换和训练副本,正式处理前应以完整文件清单重新测算。

【使用边界】
许可证显示为“apache-2.0”,具体用途限制、附加政策和归属要求仍以上游原文为准。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-26 00:51

Misalignment Control SFT Mixture A misalignment-adjacent SFT mixture dataset for use as a control in reward hacking experiments. This is the **complement** of rh-clean-control-sft — it contains only the security/misalignment-related task types that were excluded from the clean control. Composition | Task Type | Count | Source | |-----------|-------|--------| | insecure_code_em | 1,000 | Insecure code from Emergent Misalignment | | vulnerable_code | 1,000 | Deliberately vulnerable code from CyberNative/Code_Vulnerability_Security_DPO | | jailbreak_comply | 100 | Jailbreak compliance from JailbreakBench/JBB-Behaviors | Total: 2,100 samples** Changelog **v2 (2026-02-27):** Removed 1,000 `secure_code_em` samples. The secure code examples were confounding the control by partially preserving the base model's security-aware behavior, making it harder to isolate the effect of misalignment-adjacent training on downstream exploit susceptibility. **v1:** Original 3,100 samples including `secure_code_em`. Purpose Training on this mixture tests whether misalignment-adjacent data (insecure code, vulnerable code, jailbreak compliance) produces prefill sensitivity signals similar to exploit-trained models, even though the data doesn't teach djinn-style exploits directly. Format Each sample has: `messages`: List of `{role, content}` dicts (user/assistant) `prompt`: User message (flat string) `completion`: Assistant message (flat string) `task_type`: One of the task types above Usage Related Complement of EleutherAI/rh-clean-control-sft Part of the Leading Indicators of Reward Hacking project

公开页仅展示原文摘录;完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合在明确数据字段、拆分和许可证后,用于文本生成与推理相关的训练、评测或研究。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分,避免只依据仓库名称判断数据质量。

规模与格式

固定版本:81a633107e6e。 任务标签:文本生成与推理。 语言字段:en。 规模分类:1K<n<10K。 上游页面记录的最近更新时间:2026-02-27。

文件说明

上游 API 返回 3 个文件,文件元数据合计 3.12 MB。 已保存文件清单中的主要扩展名:.md 1 个、.parquet 1 个、无扩展名 1 个。 当前较大的文件包括:data/train-00000-of-00001.parquet(1.23 MB);README.md(2.70 KB);.gitattributes(2.45 KB)。

上游文件元数据

  • .gitattributes2.45 KB
  • data/train-00000-of-00001.parquet1.23 MB
  • README.md2.70 KB

硬件建议

仓库文件元数据合计 3.12 MB。仅按下载、解压和临时文件估算,建议至少预留约 3.74 MB 可用磁盘;实际需求还取决于压缩率、缓存、数据转换和训练副本,正式处理前应以完整文件清单重新测算。

注意事项

许可证显示为“apache-2.0”,具体用途限制、附加政策和归属要求仍以上游原文为准。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件,并在合法访问权限、许可证及平台规则允许的前提下,协助海内外下载、完整性校验及网盘或硬盘交付;本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明,不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。