HelpSteer3 ist ein von NVIDIA im Jahr 2025 veröffentlichter Datensatz zu menschlichen Präferenzen. Die zugehörigen Ergebnisse sind:HelpSteer3-Preference: Offene, von Menschen kommentierte Präferenzdaten für verschiedene Aufgaben und Sprachen“, dessen Ziel darin besteht, die Reaktionsfähigkeit des Modells auf Benutzereingaben durch menschliches Feedback und Techniken des bestärkenden Lernens zu verbessern. Der Datensatz enthält 40.476 Präferenzbeispiele, die jeweils eine Domäne, eine Sprache, einen Kontext, zwei Antworten, einen Gesamtpräferenzwert zwischen den beiden Antworten und persönliche Präferenzwerte von bis zu drei Kommentatoren umfassen. Er enthält mehrsprachige Daten (Chinesisch, Koreanisch, Französisch, Spanisch, Japanisch, Deutsch, Russisch, Portugiesisch, Italienisch, Vietnamesisch und Niederländisch).

Zitat

@misc{wang2025helpsteer3preferenceopenhumanannotatedpreference,
title={HelpSteer3-Preference: Open Human-Annotated Preference Data across Diverse Tasks and Languages},
author={Zhilin Wang and Jiaqi Zeng and Olivier Delalleau and Hoo-Chang Shin and Felipe Soares and Alexander Bukharin and Ellie Evans and Yi Dong and Oleksii Kuchaiev},
year={2025},
eprint={2505.11475},
archivePrefix={arXiv},
primaryClass={cs.CL},
url={https://arxiv.org/abs/2505.11475},
}
@misc{wang2025helpsteer3humanannotatedfeedbackedit,
title={HelpSteer3: Human-Annotated Feedback and Edit Data to Empower Inference-Time Scaling in Open-Ended General-Domain Tasks},
author={Zhilin Wang and Jiaqi Zeng and Olivier Delalleau and Daniel Egert and Ellie Evans and Hoo-Chang Shin and Felipe Soares and Yi Dong and Oleksii Kuchaiev},
year={2025},
eprint={2503.04378},
archivePrefix={arXiv},
primaryClass={cs.CL},
url={https://arxiv.org/abs/2503.04378},
}
@misc{wang2025rlbffbinaryflexiblefeedback,
title={RLBFF: Binary Flexible Feedback to bridge between Human Feedback & Verifiable Rewards},
author={Zhilin Wang and Jiaqi Zeng and Olivier Delalleau and Ellie Evans and Daniel Egert and Hoo-Chang Shin and Felipe Soares and Yi Dong and Oleksii Kuchaiev},
year={2025},
eprint={2509.21319},
archivePrefix={arXiv},
primaryClass={cs.CL},
url={https://arxiv.org/abs/2509.21319},
}