Evaluation results obtained with SARSA on ML-100K.

NIAID Data Ecosystem2026-05-02 收录

强化学习

电影推荐系统评估

数据链接：

https://figshare.com/articles/dataset/Evaluation_results_obtained_with_SARSA_on_ML-100K_/28453156 数据链接链接失效反馈

官方服务：

资源简介：

Evaluation results obtained with SARSA on ML-100K.

创建时间：

2025-02-20

minesweeper

地雷游戏

强化学习

该数据集包含五个不同大小的舰船，它们被随机放置在一个10×10的网格中。在这个任务中，智能体必须在不了解舰船实际位置的情况下击沉所有舰船。对于击中舰船的步骤，系统会给予奖励，而对于每一步的时间消耗，则会施加惩罚。该任务的规模是基于10×10的网格，主要任务是处理部分可观测马尔可夫决策过程（Pomdps）中的决策制定。

arXiv130

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

maanas-writer/mem_agent-model_based-rl-memoryagent-14b-gsminf-ops_12-c4096-t2048-10s-agnostic

强化学习

问答系统

这是一个包含问题、上下文、正确答案、响应等信息的文本数据集，适用于问答或机器阅读理解等NLP任务。数据集分为训练集，共有80个示例。

Hugging Face2025-11-07 更新50

maanas-writer/mem_agent-model_based-rl-memoryagent-7b-housingqa-test-c1024-t512-10s-agnostic

问答系统

强化学习

该数据集包含问题、上下文、正确答案、响应、提取的答案、最终记忆、记忆长度、响应长度、上下文长度、相似度、正确性、响应URL、响应URL索引、模型名称、是否截断、原始上下文长度、截断的上下文长度和删除的token数量等字段。数据集分为训练集，提供了字节数和示例数。但具体的应用场景和详细描述未在README中给出。

Hugging Face2025-11-13 更新70

MoeReward/combined_rlhf_dataset_balanced

强化学习

数据平衡

这是一个包含context_messages字符串字段的数据集，被划分为训练集，共有9999个示例。数据集的总大小为2664743.85字节。

Hugging Face2025-03-29 更新60