--- license: mit task_categories: - reinforcement-learning tags: - offline-rl - goal-conditioned-rl - mujoco - antmaze size_categories: - 10M<n<100M --- # AntMaze-Giant-Navigate 20M Dataset This da

Hugging Face2026-02-21 更新100

selfrew/llama3_8b_self_gen_n40_no_packed_2ep_reward_tmp07

问题解决

强化学习

该数据集包含多个特征，包括索引、目标、提示、级别、类型、解决方案、奖励（布尔序列）和我的解决方案（字符串序列）。数据集分为一个训练集，包含5000个样本，总大小为17354138字节，下载大小为5128570字节。

Hugging Face2024-12-15 更新70

LangAGI-Lab/train-rl-o1-mini-annotated-math-numina-22k

强化学习

数学

该数据集使用MIT许可，包含英语语言的数据，大小在10K到100K之间。具体的数据集内容、用途和结构没有在README中描述。

Hugging Face2025-02-06 更新120

InsultedByMathematics/llama3-ultrafeedback-armo-infoNCA-K-3

自然语言处理

强化学习

该数据集包含多个响应及其对应的奖励值，以及提示和相关的token序列。数据集分为训练集和测试集，分别包含54328和1801个样本。数据集的下载大小为412739819字节，总大小为2321505543字节。

Hugging Face2024-12-03 更新80

Replication Data for: A-Reinforcement-Learning-based-Follow-Up-Framework

资源简介：

相关数据集