AndroidFlux_RL_Train
收藏资源简介：
AndroidFlux RL — policy prompts 是一个用于强化学习策略提示的数据集，包含五个配置切片，总计 20,000 个提示。前四个切片（t_minus_n、successful、t_minus_1、t）源自 AndroidFlux 源轨迹，每个切片分别包含 2,459、2,623、2,459、2,459 个提示，共计 10,000 个提示。其中 successful 切片包含 53 个最终动作决策、53 个倒数第二动作决策和 2,517 个早期决策，并且所有 20 个规范未见测试任务类型均被排除。第五个切片 ui_genie 包含 10,000 个提示，源自 UI-Genie 奖励模型提示数据集（Gyubeum/UI_Genie_128k），并包含历史截图。每个切片均提供 samples.parquet、context.parquet、images 等文件，格式遵循 data_from_rm_eval 但调整为仅提示的系统/用户对话，候选/偏好字段可为空。t 切片额外包含 17,213 个未标记的恢复候选槽。该数据集适用于策略提示生成、奖励模型训练等任务。
AndroidFlux RL — policy prompts is a dataset for reinforcement learning policy prompts, consisting of five configuration slices with a total of 20,000 prompts. The first four slices (t_minus_n, successful, t_minus_1, t) are derived from AndroidFlux source trajectories, containing 2,459, 2,623, 2,459, and 2,459 prompts respectively, totaling 10,000 prompts. The successful slice includes 53 final action decisions, 53 second-to-last action decisions, and 2,517 early decisions, and all 20 canonical unseen test task types are excluded. The fifth slice, ui_genie, contains 10,000 prompts sourced from the UI-Genie reward model prompt dataset (Gyubeum/UI_Genie_128k) and includes historical screenshots. Each slice provides files such as samples.parquet, context.parquet, and images, following the format from data_from_rm_eval but adjusted to system/user conversations with only prompts, where candidate/preference fields can be empty. The t slice additionally contains 17,213 unlabeled recovery candidate slots. This dataset is suitable for tasks such as policy prompt generation and reward model training.
AndroidFlux RL — 策略提示数据集
该数据集是面向强化学习（RL）策略训练的策略提示（Policy Prompts）数据集，包含多个子配置（config）切片，总计10,000条提示用于AndroidFlux RL训练。
数据集切片概览
| 切片名称 | 提示数量 | 来源 |
|---|---|---|
t_minus_n |
2,459 | AndroidFlux 原始轨迹 |
successful |
2,623 | AndroidFlux 原始轨迹 |
t_minus_1 |
2,459 | AndroidFlux 原始轨迹 |
t |
2,459 | AndroidFlux 原始轨迹 |
ui_genie |
10,000 | UI-Genie 奖励模型提示 |
总计：四个AndroidFlux切片合计10,000条，ui_genie切片额外包含10,000条（其中5,000条通过in_reduced标记为核心提示）。
数据切片详细信息
AndroidFlux 四个切片（t_minus_n、successful、t_minus_1、t）
- 均来自重放的源轨迹（source trajectories），每个切片包含2,459至2,623条提示。
- 成功切片（successful） 的决策位置分布：
- 53个最终动作决策（占2.02%）
- 53个倒数第二个动作决策（占2.02%）
- 2,517个更早期的决策
- 这些位置指策略生成的动作；最后一条历史动作比当前决策提前一步。
- 环境成功性和规范训练成员资格均已验证。
- 任务类型排除规则：所有20种规范的未见测试（unseen-test）任务类型均被排除。
- 已见测试（seen-test）实例仍保留在错误派生切片中，并通过
provenance.jsonl进行显式标记。 - 两个新增的
t_minus_n检查点已确认为训练集。 - 此分割规则基于AndroidWorld任务类型，不适用于
ui_genie切片（其上下文来自不同语料库）。
- 已见测试（seen-test）实例仍保留在错误派生切片中，并通过
ui_genie 切片
- 独立的10,000条提示发布，来源为
Gyubeum/UI_Genie_128k数据集，而非AndroidFlux轨迹。 - 基于历史长度、参考动作类型和域进行分层，再经基础策略展开（rollout）过滤，确保奖励模型能够对候选进行排序。
- 包含奖励模型读取的历史截图（错误派生切片刻意省略了截图）。
- 附带
ui_genie/SAMPLING.md说明采样过程，以及ui_genie/CONTRIBUTING_FORMAT.md说明新恢复上下文的提交格式。
文件结构与格式
每个切片均包含以下文件：
samples.parquet— 样本数据context.parquet— 上下文数据- 图像文件（单个
images.parquet，或截图集较大时的分片images-NNNNN-of-NNNNN.parquet） samples.json— 样本的JSON格式provenance— 来源追踪文件validation/manifests— 验证清单build_manifest.json— 各切片相对参考布局的偏差列表
Parquet模式遵循data_from_rm_eval（参见此目录下相关数据集），并适配为仅包含提示的系统和用户对话格式，候选/偏好字段可为空。t切片还包含17,213个未标记的恢复候选槽位（每个上下文7个），并保留捐赠者来源信息。
