Maze Crawler Episodes 2026-06-02

kaggle2026-06-03 更新2026-06-17 收录

游戏AI回放分析

强化学习训练数据

数据链接：

https://www.kaggle.com/datasets/kaggle/maze-crawler-episodes-2026-06-02 数据链接链接失效反馈

官方服务：

资源简介：

Top episode replays for 2026-06-02.

2026年6月2日的热门剧集回放（Top Episode Replays）

创建时间：

2026-06-03

OPERA数据集

开放域推理生成

强化学习训练数据

OPERA数据集是由香港理工大学、美团龙猫团队等机构联合构建的大规模推理轨迹数据集，旨在为开放域任务提供高质量的强化学习训练数据。该数据集包含20,000条经过精心筛选的推理轨迹，每条轨迹通过困惑度引导的迭代合成方法生成，确保逻辑一致性和统计稳定性。数据创建过程采用认知制动机制和困惑度优先展开技术，模拟人类反思性推理模式，最终形成结构化推理链。该数据集主要应用于开放域创造性写作、逻辑推理等任务，旨

arXiv2026-06-24 更新180

DCAgent2/GLM-4.7-r2egym-patched-full-oracle-1samples-131k-run4

强化学习训练数据

语言模型

该数据集包含1747个训练示例，每个示例包括多轮对话（conversations，其中每轮有内容和角色）、代理（agent）、模型（model）、模型提供者（model_provider）、日期（date）、任务（task）、剧集（episode）、运行ID（run_id）、试验名称（trial_name）、结果（result）和验证器输出（verifier_output）等字段。所有字段均为字符

Hugging Face2026-04-29 更新50

awhiteawhite/assignment4-qwen25-pairrm-preference

大语言模型偏好对齐

强化学习训练数据

该数据集包含用于偏好学习或排名任务的指令、提示、选择、拒绝以及它们的排名信息。数据集包含49个训练样本，每个样本具有指令、提示、选择答案、拒绝答案以及它们的排名分数。

Hugging Face2026-04-27 更新30

annakosovskaia/NuminaMath-1.5-RL-Verifiable-cleaned

数学问题求解

强化学习训练数据

NuminaMath-1.5-RL-Verifiable (cleaned) 是一个经过清理和验证的数据集，源自原始数据集 nlile/NuminaMath-1.5-RL-Verifiable。该数据集通过多步骤处理生成，包括正则表达式/结构清理（去除问题编号前缀、解决方案前缀、内联/尾部标记等，并丢弃无效行如解决方案长度过短、包含缺失图像引用、问题字段实际包含解决方案/答案、多部分问题等）、LL

Hugging Face2026-05-18 更新50

Maze Crawler Episodes 2026-06-21

迷宫探索游戏回放

强化学习训练数据

Top episode replays for 2026-06-21.

kaggle2026-06-22 更新40