agent-eto/eto-sft-trajectory|语言模型优化数据集|代理学习数据集

该数据集包含了三个代理环境（WebShop、ScienceWorld和ALFWorld）的专家轨迹。WebShop的轨迹来源于官方提供的人类演示，并使用GPT-4在环境中探索并选择奖励大于0.7的轨迹。ScienceWorld的轨迹由环境提供的启发式算法生成。ALFWorld的轨迹则由作者提供的一些人类注释轨迹用于模仿学习。由于原始轨迹不包含每个动作步骤的思维链（CoT）信息，因此使用GPT-4生成了相应的推理过程。

原始信息汇总

数据集概述

数据集配置

• 默认配置：包含三个数据文件路径，分别对应不同的数据集分割：
  • WebShop：路径为 data/webshop_*
  • ScienceWorld：路径为 data/sciworld_*
  • Alfworld：路径为 data/alfworld_*

数据集信息

• 特征：
  • id：数据类型为字符串
  • conversations：列表类型，包含对话元素，每个元素具有以下特征：
    • from：数据类型为字符串
    • value：数据类型为字符串
• 分割：
  • WebShop：包含1823个示例
  • ScienceWorld：包含1482个示例
  • Alfworld：包含3118个示例

语言

• 英语 (en)

数据集名称与许可证

• 名称：ETO-SFT-Trajectory
• 许可证：Apache-2.0

数据集大小

• 范围：1K<n<10K

数据集内容

• WebShop：使用GPT-4探索环境并选择奖励大于0.7的轨迹
• ScienceWorld：使用环境提供的启发式算法生成黄金轨迹
• Alfworld：提供少量人类注释的轨迹用于模仿学习

数据格式

• 示例： json [ { "id": "example_0", "conversations": [ { "from": "human", "value": "Who are you?" }, { "from": "gpt", "value": "I am Vicuna, a language model trained by researchers from Large Model Systems Organization (LMSYS)." }, { "from": "human", "value": "Have a nice day!" }, { "from": "gpt", "value": "You too!" } ] } ]