True values of μ and q for each arm in simulations.

Figshare2023-07-12 更新2026-04-28 收录

多臂老虎机模拟

强化学习基准

数据链接：

https://figshare.com/articles/dataset/True_values_of_i_i_and_i_q_i_for_each_arm_in_simulations_/23669662 数据链接链接失效反馈

官方服务：

资源简介：

True values of μ and q for each arm in simulations.

创建时间：

2023-07-12

NetHack Learning Dataset（NLD）

强化学习基准

顺序决策任务

最近在代理开发方面的突破，以解决具有挑战性的顺序决策问题，例如Go [50]，StarCraft [58] 或DOTA [3]，都依赖于模拟环境和大规模数据集。但是，由于开源数据集的稀缺性以及与它们一起工作的高昂计算成本，阻碍了这项研究的进展。在这里，我们介绍了NetHack学习数据集 (NLD)，这是来自流行的NetHack游戏的轨迹的大型且高度可扩展的数据集，这对于当前的方法来说是极具挑战性的

OpenXLab70

Parameters to the dynamics of the pole-cart system.

倒立摆控制

强化学习基准

Parameters to the dynamics of the pole-cart system.

Figshare2015-12-02 更新50

penfever/rl__48GPU_shaped_32b__swe_rebench_patched_oracle__Qwen3-32B

强化学习基准

代码生成与修复

--- dataset_info: features: - name: conversations list: - name: content dtype: string - name: role dtype: string - name: agent dtype: string - name: model dtype

Hugging Face2026-03-22 更新30

DCAgent2/terminal_bench_2_g1_weighted_100k_32b_cont_20260428_002638

智能体终端操作

强化学习基准

--- dataset_info: features: - name: conversations list: - name: content dtype: string - name: role dtype: string - name: agent dtype: string - name: model dtype

Hugging Face2026-04-28 更新50

AutumnBench Public Benchmark

模型评估

强化学习基准

AutumnBench Dataset Release This dataset accompanies the paper “Benchmarking World-Model Learning with Environment-Level Queries.” It contains the benchmark release for AutumnBench, including task p

Zenodo2026-04-10 更新30

True values of μ and q for each arm in simulations.

资源简介：

相关数据集