该数据集由LeRobot创建，采用apache-2.0许可证，属于机器人技术领域。数据集包含10个episodes，774帧，1个任务，数据文件大小为100MB，视频文件大小为200MB。数据以parquet格式存储，视频以mp4格式存储，帧率为10fps。数据集仅包含训练集。特征包括动作（delta_x, delta_y, delta_z, gripper）、下一状态奖励、完成标志、离散惩罚、前

Hugging Face2026-04-03 更新100

erhwenkuo/rlhf_reward_single_round-chinese-zhtw

对话系统

强化学习

这些数据基于anthropic的论文《Training a Helpful and Harmless Assistant with Reinforcement Learning from Human Feedback》开源，旨在为后续的RLHF训练训练偏好（或奖励）模型。数据集来源于beyond/rlhf-reward-single-round-trans_chinese，并使用OpenCC进行简

Hugging Face2023-10-04 更新70

sungyub/table-r1-zero-verl

表格推理

强化学习

Table-R1-Zero是一个针对表格推理问题的数据集，转换为VERL格式，适用于强化学习训练工作流。该数据集包含69,265个表格推理问题，主要来源于WikiTableQuestions和其他表格问答基准数据集，设计用于训练语言模型理解和推理结构化表格数据。

Hugging Face2025-11-05 更新110

Flightmare Simulator

无人机仿真

强化学习

Flightmare 由两个主要组件组成：基于 Unity 构建的可配置渲染引擎和用于动态模拟的灵活物理引擎。这两个组件完全解耦，可以彼此独立运行。 Flightmare 具有几个理想的功能：（i）大型多模式传感器套件，包括提取场景 3D 点云的界面； (ii) 用于强化学习的 API，可以并行模拟数百个四旋翼； (iii) 与虚拟现实耳机的集成，用于与模拟环境进行交互。 Flightmare 可

OpenXLab80

vedpatwardhan/gr1_reward_pred

资源简介：

相关数据集