Summary of free parameters of Q-learning models.

Figshare2015-12-03 更新2026-04-29 收录

强化学习

Q学习参数优化

数据链接：

https://figshare.com/articles/dataset/_Summary_of_free_parameters_of_Q_learning_models_/1592507 数据链接链接失效反馈

官方服务：

资源简介：

Summary of free parameters of Q-learning models.

创建时间：

2015-12-03

luca0621/multi-RLHF_turn_4_ckp

强化学习

序列生成

该数据集包含一个名为trajectory的特征，该特征是一个列表，包含content和role两个子特征，它们的类型均为字符串。数据集只有一个训练集（train），包含1000个样本，总大小为2373439字节。下载大小为1144256字节。配置部分指定了默认配置，数据文件路径为data/train-*。

Hugging Face2024-11-27 更新120

maanas-writer/mem_agent-model_based-rl-memoryagent-7b-bizbench-test-c27000-t512-1000s-agnostic

自然语言处理

强化学习

该数据集包含问题、上下文、正确答案、响应、提取的答案等多种文本信息，以及处理和评估模型所需的相关元数据。数据集分为训练集，并提供了详细的大小信息。

Hugging Face2025-11-08 更新60

II-Thought-RL-v0

强化学习

问题解答

II-Thought RL v0是一个大规模、多任务的数据集，专为强化学习设计。该数据集包含经过严格多步骤过滤的高质量问题-答案对，使用了Gemini 2.0 Flash和Qwen 32B作为质量评估工具。数据集涵盖了数学、编程、科学等多个领域，包括来自公开数据集的问题对和自定义的高质量问题对。数据集经过去重、质量评估和去污染流程，以确保数据完整性和训练适用性。

Hugging Face2025-03-28 更新50

qgallouedec/prj_gia_dataset_metaworld_handle_press_side_v2_1111

强化学习

智能代理

该数据集是为模仿学习环境handle-press-side-v2创建的，属于Generally Intelligent Agents项目的一部分。它包含了观察、动作、完成标志和奖励等数据，用于深度强化学习和多任务多模态学习的研究。

Hugging Face2023-03-09 更新120

Intelligent-Internet/II-Thought-RL-v0

强化学习

多任务学习

II-Thought RL v0是一个大规模、多任务的强化学习数据集，包含了经过严格多步骤筛选的高质量问题-答案对。数据集涵盖了数学、编程、科学等多个领域，旨在为强化学习模型提供多样化的训练材料。

Hugging Face2025-03-28 更新60