yuruny/agentic-sudoku-Markov-qwen2.5-3B_9x9_6-6_SFT-5e-6-ans1-6k_prm0_actor-eval_results

该数据集包含多个特征，其中steps是一个列表，包含action（动作，字符串类型）、chat_completions（聊天完成，包含content（内容，字符串类型）和role（角色，字符串类型））、done（完成状态，布尔类型）、mc_return（多类别返回，浮点类型）、model_response（模型响应，字符串类型）、observation（观察结果，字符串类型）和reward（奖励，浮点类型）。此外，还有一个顶层的reward特征（浮点类型）。数据集包含一个名为train的分割，包含12800个示例，总大小为118083221字节。下载大小为232762字节，数据集大小为118083221字节。默认配置指定了训练分割的数据文件路径。

The dataset includes multiple features, with steps being a list that contains action (string), chat_completions (containing content (string) and role (string)), done (boolean), mc_return (float64), model_response (string), observation (string), and reward (float64). There is also a top-level reward feature (float64). The dataset has a single split named train with 12,800 examples and a total size of 118,083,221 bytes. The download size is 232,762 bytes, and the dataset size is 118,083,221 bytes. The default configuration specifies the data file path for the train split.