基于多个数据源的多数投票
您的团队正在开发一个 AI 模型，用于自动生成智能手机质量控制（QC）报告。为此，您从三个不同的质检来源收集了偏好数据——"Automated Vision System"（自动化视觉系统）、"Human Inspector"（人工检验）以及 "Customer Feedback"（客户反馈）。他们各自对成对的文本样本进行了标注，标为"chosen"（更优）与"rejected"（较差）。每个样本对都有唯一的 id，每条记录都展示了一个首选的 QC 评审结果。
quality_df 是使用 pandas 加载的合并 DataFrame，包含来自三个不同数据源的数据。此外，已从 collections 模块预先导入了 Counter 类。
本练习是课程的一部分
来自人类反馈的强化学习（RLHF）
练习说明
- 在投票函数中统计每个（chosen, rejected）对的出现次数。
- 找到票数最高的（chosen, rejected）对。
交互式实操练习
通过完成这段示例代码来试试这个练习。
def majority_vote(df):
# Count occurrences of each (chosen, rejected) pair
votes = ____
# Find the (chosen, rejected) pair with the highest vote count
winner = ____
return winner
final_preferences = quality_df.groupby(['id']).apply(majority_vote)
print(final_preferences)