source/eval/data_inventory/preference_benchmark_datasets.md

Preference/RLHF + Benchmark 데이터 전수 조사

조사일: 2026-02-27

---

Part 1: 한국어 Preference/DPO 데이터

데이터셋	규모	다운로드	비고
kuotient/orca-math-korean-dpo-pairs	100K~1M	111	한국어 수학 DPO. 대규모
nayohan/preference-collection-ko-full	100K~1M	30	한국어 종합 preference
jojo0217/korean_rlhf_dataset	100K~1M	54	한국어 RLHF
maywell/ko_Ultrafeedback_binarized	10K~100K	108	UltraFeedback 한국어 번역
ChuGyouk/argilla-distilabel-math-preference-dpo-korean	1K~10K	10	수학 DPO 한국어
ohsuz/dpo-v1010-korean	10K~100K	3	한국어 DPO
ohsuz/dpo-v1010-korean-without-finance	10K~100K	3	금융 제외 버전
tellang/yeji-preference-ko-v1	10K~100K	13	한국어 preference
AnonymousLLMer/Safety_preference-ko-cleaned	1K~10K	4	안전성 preference
mncai/distilabel-math-preference-dpo-ko	1K~10K	4	수학 DPO 한국어
vaiv/ko-rag-preference	<1K	2	RAG preference (소규모)

❌ 접근 불가 (404)

• Bongseok/ko-DPO-v0.1 — 삭제됨
• HAERAE-HUB/KoRA — 삭제됨
• maywell/ko_Ultrafeedback — 삭제됨 (binarized 버전만 존재)

---

Part 2: 영어 Preference 데이터 (번역 가치 순위)

데이터셋	규모	다운로드	번역 가치
HuggingFaceH4/ultrafeedback_binarized	100K1M (62K쌍)	5,158	⭐⭐⭐ 최고. 이미 ko 번역판 존재(maywell)
Anthropic/hh-rlhf	100K~1M	17,609	⭐⭐⭐ 인간 선호도. 대화형
nvidia/HelpSteer2	10K~100K	15,448	⭐⭐⭐ 고품질 세밀 점수
openbmb/UltraFeedback	10K~100K	2,317	⭐⭐ 원본 (binarized 버전 더 유용)
argilla/distilabel-math-preference-dpo	1K~10K	328	⭐⭐ 수학 특화 (이미 ko 번역판 존재)
snorkelai/Snorkel-Mistral-PairRM-DPO-Dataset	10K~100K	71	⭐ 자동 생성
HuggingFaceH4/stack-exchange-preferences	10M~100M	3,873	⭐ 너무 대규모, 코드 편향
allenai/preference-test-sets	10K~100K	2,777	평가용 (학습 부적합)

---

Part 3: 벤치마크/평가 데이터

데이터셋	규모	다운로드	용도
HAERAE-HUB/KMMLU	100K~1M	10,537	한국어 MMLU. 핵심 벤치마크
skt/kobest_v1	10K~100K	3,194	KoBEST 5개 태스크 (BoolQ, COPA, WiC, HellaSwag, SentiNeg)
HAERAE-HUB/HAE_RAE_BENCH_1.0	1K~10K	457	해래 벤치
HAERAE-HUB/K2-Eval	<1K	76	K2 평가
openai/gsm8k	10K~100K	465,032	수학 추론 (영어)
HuggingFaceH4/MATH-500	<1K	94,894	수학 벤치마크 (영어)
Rowan/hellaswag	10K~100K	213,419	상식추론 (영어)
google/IFEval	<1K	60,319	지시 따르기 평가 (영어)

❌ 접근 불가 (404)

• coastalcph/mimir, kuotient/korean-gsm8k, HAERAE-HUB/KorNAT-CV, HAERAE-HUB/KorNAT-NL2SQL, snunlp/korean-hate-speech

---

Part 4: 자체 Preference 데이터 생성 가능성

SFT v2 모델 (반복률 18%) 기반 Self-Play 방식:

방법

1. SFT 데이터의 프롬프트 풀에서 각 프롬프트당 N=48회 샘플링 (temperature 0.71.0)
2. 자동 품질 판단으로 chosen/rejected 선별

자동 품질 판단 기준

• 반복 탐지: n-gram 반복률 > 20% → rejected
• 길이 필터: 너무 짧거나(<50자) 너무 긴(>2000자) → rejected
• Perplexity 기반: 외부 judge 모델 (GPT-4 또는 더 큰 모델)로 점수 부여
• Self-consistency: 동일 프롬프트 응답 간 reward model 점수 비교

예상 생성량

• SFT 프롬프트 10K개 × 4회 샘플링 = 40K 응답
• chosen/rejected 쌍: 10K20K쌍 (상위 25% vs 하위 25%)
• 주의: 반복률 18%인 모델로 생성 시 rejected 품질이 너무 낮을 수 있음 → 유의미한 학습 신호 약화 가능

권장

• 자체 생성보다 기존 한국어 데이터 활용 우선 (아래 추천 참조)
• 자체 생성은 ORPO 1차 학습 후, 개선된 모델로 2차 Self-Play 시 더 효과적

---

🎯 ORPO 즉시 시작 가능한 데이터 조합 추천

Tier 1: 즉시 사용 (한국어, 변환 최소)

데이터	예상 쌍수	우선순위
jojo0217/korean_rlhf_dataset	~100K+	🥇 가장 범용적
maywell/ko_Ultrafeedback_binarized	~60K	🥇 UltraFeedback 한국어, 고품질
nayohan/preference-collection-ko-full	~100K+	🥇 종합 preference
kuotient/orca-math-korean-dpo-pairs	~100K+	🥈 수학 특화

Tier 2: 보충용

데이터	예상 쌍수	용도
ohsuz/dpo-v1010-korean	~10K+	추가 다양성
tellang/yeji-preference-ko-v1	~10K+	추가 다양성
ChuGyouk/argilla-distilabel-math-preference-dpo-korean	~5K	수학 보충

추천 조합

총 ~200K~300K쌍 확보 가능
1차: jojo0217 + maywell + nayohan 합산 → ~260K쌍 (예상)
2차: kuotient 수학 추가 → 수학 능력 강화

벤치마크 평가 파이프라인

• KMMLU (한국어 지식) + KoBEST (한국어 NLU) 필수
• GSM8K (수학) + IFEval (지시 따르기) 보조
• HAE_RAE_BENCH 한국어 종합 평가