eval_so101_rollout_try_00

Name: eval_so101_rollout_try_00
Creator: narina02
Published: 2026-04-05T16:19:27+08:00

Hugging Face2026-04-05 更新2026-04-05 收录

机器人

强化学习

数据链接：

https://huggingface.co/datasets/narina02/eval_so101_rollout_try_00 数据链接链接失效反馈

官方服务：

资源简介：

该数据集为HuggingFace LeRobot格式机器人数据集。

提供机构：

narina02

创建时间：

2026-04-05

skandermoalla/qrpo-paper-mistral-nosft-magpieair-armorm-temp1-ref50-offpolicy2best-armorm

强化学习

对齐

--- license: mit tags: - reinforcement-learning - alignment - qrpo --- # qrpo-paper-mistral-nosft-magpieair-armorm-temp1-ref50-offpolicy2best-armorm Dataset with reference completions and rewards fo

Hugging Face2025-12-08 更新70

koch_sim_pick_test

机器人

模拟测试

该数据集为HuggingFace LeRobot格式机器人数据集。

Hugging Face2024-10-23 更新50

maanas-writer/mem_agent-model_based-rl-memoryagent-7b-barexamqa-train-c256-t128-10s-agnostic-nocontext

强化学习

机器学习

该数据集包含了问题、上下文、正确答案、模型回答等字段，适用于训练和评估自然语言处理模型。数据集分为训练集，包含了大量的示例，用于机器学习模型的训练。

Hugging Face2025-11-13 更新40

DCAgent3/financeagent_terminal_a3_rl_DCAgent_exp_rpt_e2egit_v2_10_8B_20260527_202838

强化学习

智能体决策

该数据集是一个包含对话记录和相关元数据的数据集，用于训练或评估人工智能模型。数据特征包括对话内容（conversations，包含角色和文本）、代理（agent）、模型（model）、模型提供商（model_provider）、日期（date）、任务（task）、片段（episode）、运行ID（run_id）、试验名称（trial_name）、结果（result）、验证器输出（verifier_

Hugging Face2026-05-27 更新60

skandermoalla/qrpo-paper-mistral-sft-magpieair-armorm-temp1-ref50-offpolicy2random-armorm

强化学习

对齐

--- license: mit tags: - reinforcement-learning - alignment - qrpo --- # qrpo-paper-mistral-sft-magpieair-armorm-temp1-ref50-offpolicy2random-armorm Dataset with reference completions and rewards fo

Hugging Face2025-12-08 更新50

eval_so101_rollout_try_00

资源简介：

相关数据集