Relative Actor Critic: Workstations

Name: Relative Actor Critic: Workstations
Creator: University of Missouri System
Published: 2024-01-01T00:00:00+08:00

Harvard Dataverse2024-09-09 更新2026-04-09 收录

强化学习

连续控制优化

数据链接：

https://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/TBE30Y 数据链接链接失效反馈

官方服务：

资源简介：

MATLAB Codes for Relative Actor Critic

提供机构：

University of Missouri System

创建时间：

2024-01-01

Flightmare Simulator

无人机仿真

强化学习

Flightmare 由两个主要组件组成：基于 Unity 构建的可配置渲染引擎和用于动态模拟的灵活物理引擎。这两个组件完全解耦，可以彼此独立运行。 Flightmare 具有几个理想的功能：（i）大型多模式传感器套件，包括提取场景 3D 点云的界面； (ii) 用于强化学习的 API，可以并行模拟数百个四旋翼； (iii) 与虚拟现实耳机的集成，用于与模拟环境进行交互。 Flightmare 可

OpenXLab80

luca0621/multi-RLHF-processed-llama1B-dataset-with-1000-rewards

自然语言处理

强化学习

该数据集包含查询（query）、响应（response）和奖励（reward）三个特征，其中查询和响应为字符串类型，奖励为浮点数类型。数据集分为训练集和测试集，训练集包含8000个样本，测试集包含2000个样本。总下载大小为2276183字节，数据集总大小为7148705字节。

Hugging Face2024-11-30 更新70

FractalAIResearch/Fathom-V0.4-RL-Compression

学科文本生成

强化学习

Ramanujan-Ganit-R1-14B-RL是一个英文文本生成数据集，可能包含数学相关的文本内容，并在模型预训练后进行了后处理。具体的数据集内容和用途在README中未详细说明。

Hugging Face2025-05-13 更新60

erhwenkuo/rlhf_reward_single_round-chinese-zhtw

对话系统

强化学习

这些数据基于anthropic的论文《Training a Helpful and Harmless Assistant with Reinforcement Learning from Human Feedback》开源，旨在为后续的RLHF训练训练偏好（或奖励）模型。数据集来源于beyond/rlhf-reward-single-round-trans_chinese，并使用OpenCC进行简

Hugging Face2023-10-04 更新70

Hang917/robot_assets

机器人技术

强化学习

机器人资产数据集，包含机器人的几何形状、URDF、MuJoCo XML文件以及相关的网格资源，适用于机器人学和强化学习等相关领域。

Hugging Face2025-11-08 更新60