mzio/aprm-sft_thinkact-Efinqa_reasoning-Gaprm_qwen3_ap-S1-Rfinqa_aprm_1_mc-ap1-train_all-b090
收藏Hugging Face2026-03-28 更新2026-03-29 收录
下载链接：
https://hf-mirror.com/datasets/mzio/aprm-sft_thinkact-Efinqa_reasoning-Gaprm_qwen3_ap-S1-Rfinqa_aprm_1_mc-ap1-train_all-b090
下载链接
链接失效反馈官方服务：
资源简介：
---
{}
---
# Act-PRM Rollout Dataset
## Run Metadata
- **run_name**: `act-prm-v2-ia=0-rr=0-ec=act_prm_finqa_reasoning_gpt5m-gc=aprm_qwen3_ap-tc=aprm_for_sft100-rbc=default-msl=4096-mc=hf_qwen3_4b_inst_2507-lc=r8_a16_qkvo-nf=0-ao=1-ho=1-eec=finqa_reasoning-mc=1-gs=8-bs=8-lr=4e_05-ns=4-s=1-r=finqa_aprm_1_mc`
- **run_cmd**: `main_pytorch.py --env_config act_prm/finqa_reasoning_gpt5m --eval_env_config finqa/reasoning --model_config hf_qwen3_4b_inst_2507 --lora_config r8_a16_qkvo --generator_config aprm_qwen3_ap --trainer_config aprm_for_sft100 --replay_buffer_config default --log_path ./logs --actions_only --hide_observations --batch_size 8 --group_size 8 --learning_rate 4e-5 --num_substeps 4 --seed 0 --replicate finqa_aprm_1_mc --verbose --seed 1 --max_seq_len 4096 --mean_center`
- **batch_idx**: `90`
- **split**: `train_all`
- **trajectory_key**: `think_act_policy`
- **num_trajectories**: `508`
- **num_episodes**: `508`
- **group_size**: `8`
- **batch_size**: `8`
提供机构：
mzio
