metamon-parsed-wm-replays

Metamon Parsed World-Model Replays 数据集是一个专门为世界模型训练准备的、经过解析的游戏回放文本数据集合。该数据集由 Metamon 项目中的回放解析工具（`metamon.backend.replay_parser`）生成，输出为纯文本格式，旨在作为后续Tokenizer和世界模型数据集生成流程的输入。数据集中当前包含针对特定游戏对战格式（`gen9ou`）的回放解析结果，共计4,068,984个文本文件，总未压缩数据量约为182GB。数据以结构化方式存储，包含压缩存档文件（`.tar.gz`）、记录文件路径、大小和哈希值的索引文件（`.jsonl.gz`）以及相应的打包元数据清单。该数据集主要用于强化学习领域，特别是世界模型的训练任务，用户可以通过提供的下载脚本便捷地获取数据，脚本会自动将文件解压到预定义的本地缓存目录中。The Metamon Parsed World-Model Replays dataset is a collection of parsed game replay text data specifically prepared for world model training. It is generated by the replay parser tool (`metamon.backend.replay_parser`) from the Metamon project, with output in plain text format, intended as input for subsequent tokenizer and world model dataset generation pipelines. The dataset currently contains parsed replays for a specific game battle format (`gen9ou`), totaling 4,068,984 text files with an uncompressed data volume of approximately 182GB. Data is stored in a structured manner, including compressed archive files (`.tar.gz`), index files (`.jsonl.gz`) that record file paths, sizes, and hash values, along with corresponding packaging metadata manifests. This dataset is primarily used in the field of reinforcement learning, particularly for world model training tasks. Users can conveniently download the data via provided scripts, which automatically extract files to a predefined local cache directory.

原始信息汇总

数据集概述

数据集名称： Metamon Parsed World-Model Replays
许可证： MIT
任务类别： 强化学习
语言： 英语
别名： Metamon Parsed World-Model Replays

主要内容

该数据集包含 Metamon 对局回放的解析器文本输出，用于世界模型训练。这些文件由 python -m metamon.backend.replay_parser 生成，并被 Metamon 分词器和世界模型数据集生成工具所消费。

存储布局

• archives/<format>.tar.gz：包含一个对战格式的已解析回放 .txt 文件。
• indexes/<format>.jsonl.gz：每一行对应一个回放文本文件，包含路径（path）、字节大小（size_bytes）和 SHA256 哈希值（sha256）。
• manifests/<format>.metadata：对应存档和索引的打包元数据。

存档解压后会得到顶层 <format>/ 目录，该目录结构与本地 $METAMON_CACHE_DIR/parsed-replays/<format> 所期望的布局一致。

当前上传信息

• 数据集仓库： sooham34/metamon-parsed-wm-replays
• 对战格式： gen9ou
• 源 Metamon 提交： ec272052e715f19879f52a56930a69f558b1cc78
• 创建时间： 2026-07-07T14:02:40.136784+00:00
• 文件数量： 4,068,984
• 总未压缩字节数： 181,807,997,267
• 存档 SHA256： 9109caeb85ded86bf996786eaedbcb0b6fd78b8072208e3651ff28231e8c88e1
• 索引 SHA256： af27016418412d2bad31bc45ac4dcab0b7fa4f887e3840e2943a7f4e16f5b237

下载方式

使用以下命令下载并解压文件至 $METAMON_CACHE_DIR/parsed-replays：

bash uv run python -m metamon.data.download parsed-wm-replays --formats gen9ou

搜集汇总

数据集介绍

构建方式

该数据集源自宝可梦对战模拟器Metamon的对战回放解析流程，通过运行`python -m metamon.backend.replay_parser`命令，将原始对战回放数据转化为结构化的文本输出，专为世界模型训练而设计。数据以压缩档案形式存储于`archives/`目录下，每个格式对应一个独立的`.tar.gz`包；同时提供索引文件（`indexes/`目录下的`.jsonl.gz`），记录每个回放文本的路径、字节大小及SHA256哈希值，并辅以清单文件（`manifests/`）封装元数据。当前上传的数据集版本针对`gen9ou`对战格式，包含约407万条回放文件，总解压大小接近182GB，确保了训练语料的丰富性与多样性。

使用方法

使用该数据集时，推荐通过Metamon内置的数据下载模块进行自动化获取，仅需在终端执行`uv run python -m metamon.data.download parsed-wm-replays --formats gen9ou`命令，下载器便会自动将档案文件提取至`$METAMON_CACHE_DIR/parsed-replays`目录下。对于需要精细控制的研究者，也可直接手动下载`archives/`中的`.tar.gz`档案，并结合索引文件进行选择性解压。随后，开发者可利用Metamon令牌器将回放文本序列化为模型可理解的输入格式，进而驱动世界模型的训练与评估流程，实现对战策略的深层学习与泛化。

背景与挑战

背景概述

该数据集名为Metamon Parsed World-Model Replays，创建于2026年7月7日，由研究团队sooham34发布，基于Metamon项目（提交版本ec272052e7）构建。数据集聚焦于强化学习领域中的世界模型训练，核心研究问题在于通过解析《宝可梦》对战回放（格式为gen9ou），提取文本形式的对战状态与决策信息，为智能体学习环境动态和策略优化提供结构化训练数据。作为Metamon框架的关键组成部分，该数据集在推动基于文本的世界模型在复杂回合制游戏中的应用方面具有重要影响力，为后续的tokenizer设计与数据集生成工具奠定了数据基础。

当前挑战

该数据集所解决的领域问题包括强化学习中的环境建模与样本效率挑战，传统方法依赖高维原始状态（如像素），而通过解析回放文本构建低维语义表示，可降低模型学习复杂度并提升泛化能力。构建过程中面临多重挑战：首先，需从海量对战回放中精准解析文本输出，确保覆盖gen9ou格式的多样对战场景；其次，数据集包含近407万文件、总解压大小约181.8GB，面临大规模存储与索引设计的难题；最后，需验证解析结果的一致性（通过SHA256校验）与工具链的兼容性，保障训练数据的可靠性与可复现性。

常用场景

经典使用场景

在强化学习与游戏智能体研究领域，Metamon Parsed World-Model Replays数据集为基于世界模型的离线强化学习提供了高质量的训练语料。该数据集包含近407万场《宝可梦》对战回放的解析文本，涵盖了丰富的对战策略和状态转移轨迹。研究者可利用这些文本数据训练序列建模模型，例如构建Transformer架构的世界模型，以捕捉复杂回合制对战中的状态依赖关系与行动结果预测，从而推动模型对游戏环境的深层理解与决策能力的提升。

解决学术问题

该数据集有效解决了回合制游戏中大规模、高质量离线经验数据的稀缺问题，为离线强化学习与基于模型的强化学习研究提供了坚实的基准。它使学术界能够深入探索如何在结构化文本的世界模型中学习对手策略、状态转移与奖励函数，进而研究智能体在复杂博弈环境中的泛化能力与长期规划策略。这一数据集的开放对推动可解释、样本高效的强化学习算法发展具有重要影响。

实际应用

在实际应用中，该数据集为构建智能游戏助手的核心模型提供了训练基础。开发者可利用其训练的世界模型生成在线对战策略的模拟器，从而加速强化学习智能体的迭代训练。同时，基于该数据集训练的语言模型能够解析对战文本并生成具有竞争力的行动建议，辅助玩家进行策略分析。此外，该数据集也为零代码策略生成、自动战报总结等游戏AI应用场景提供了坚实的数据支撑。

数据集最近研究

最新研究方向

在强化学习与游戏智能领域，基于世界模型（World Model）的决策系统正成为前沿研究热点。Metamon Parsed World-Model Replays数据集聚焦于《宝可梦》对战环境（gen9ou），通过海量对战回放（近407万条文本记录，总数据量超181GB）为世界模型提供高密度、结构化的语义训练样本。该数据集结合Metamon解析器与分词工具链，可高效支撑环境动力学建模、隐空间表征学习及策略规划等任务。近年来，随着世界模型在复杂时序决策任务中的重要性凸显（如DreamerV3等里程碑工作），此类精标注、大规模的回放数据集成为推动智能体在对抗式游戏环境中实现长程推理与泛化能力突破的关键资源，也为现实世界模拟与强化学习融合提供了可迁移的范式参考。