DDQN training rewards on final episode, for 30 stocks.

NIAID Data Ecosystem2026-03-13 收录

强化学习

股票策略优化

数据链接：

https://figshare.com/articles/dataset/DDQN_training_rewards_on_final_episode_for_30_stocks_/19197553 数据链接链接失效反馈

官方服务：

资源简介：

DDQN training rewards on final episode, for 30 stocks.

创建时间：

2022-02-18

EMDSAC-ft: Bridging the Gap in Offline-to-Online Reinforcement Learning through Value Distribution Learning

强化学习

离线到在线学习

Offline-to-online is a key strategy for advancing reinforcement learning towards practical applications. This approach not only reduces the risks and costs associated with online exploration, but also

DataCite Commons2024-10-28 更新110

Finger-Gaiting Manipulation Dataset

机器人控制

强化学习

该数据集旨在学习使用次优控制器进行手内操作技能的指关节控制。它包含了多种方法的结果，包括标准的非策略强化学习以及行为克隆损失版本。数据集涵盖了多种物体，如立方体、球体、圆柱体、十二面体和二十面体，针对的任务是灵巧的手内操作。

arXiv90

luca0621/multi-RLHF-processed-llama1B-dataset-with-1000-rewards

自然语言处理

强化学习

该数据集包含查询（query）、响应（response）和奖励（reward）三个特征，其中查询和响应为字符串类型，奖励为浮点数类型。数据集分为训练集和测试集，训练集包含8000个样本，测试集包含2000个样本。总下载大小为2276183字节，数据集总大小为7148705字节。

Hugging Face2024-11-30 更新70

yonghoon96/antmaze-giant-navigate-20m-v0

强化学习

离线强化学习

--- 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

ai2-adapt-dev/sft_v3.9_used_on_policy_p0_olmo2_7b

语言模型

强化学习

--- dataset_info: features: - name: prompt dtype: string - name: chosen list: - name: content dtype: string - name: role dtype: string - name: rejected list:

Hugging Face2024-11-23 更新90

DDQN training rewards on final episode, for 30 stocks.

资源简介：

相关数据集