AnonymousSub/recipe_RL_data_roberta-base

该数据集由5个字段组成，每个字段对应一个策略序列，包含初始状态、每一步的奖励等信息。字段包括`steps`（所有步骤的标记化令牌）、`step_attn_masks`（对应的注意力掩码）、`rewards`（每一步的奖励，归一化在0到1之间）、`actions`（离散动作空间中的动作序列，采用one-hot编码）和`dones`（表示工作是否完成的标志序列）。数据集的大小为2255673行，每行最多包含16个步骤。

原始信息汇总

数据集概述

基本信息

• 名称：recipe RL roberta base
• 语言：英语（monolingual）
• 许可证：未指定

数据集结构

• 包含5个字段
• 每行代表一个策略，即从初始状态<START>开始的一系列动作及其在每一步的相应奖励。

字段详情

• steps (List of lists of Ints) - 所有步骤的令牌化步骤令牌，使用roberta-base分词器。
• step_attn_masks (List of lists of Ints) - 对应于steps的注意力掩码。
• rewards (List of Floats) - 每步分配的奖励序列，范围在0到1之间。
• actions (List of lists of Ints) - 动作序列，采用one-hot编码，动作空间为离散的，共有33种可能动作。
• dones (List of Bool) - 指示在达到该步骤时工作是否完成的标志序列。

数据集大小

• 行数：2255673
• 每行最大步骤数：16