mzio/aprm-finqa_reasoning-gpt5m_med-gs8-s0-r1-train

--- dataset_info: features: - name: state list: - name: content dtype: string - name: role dtype: string - name: action struct: - name: content dtype: string - name: role dtype: string - name: next_obs list: - name: content dtype: string - name: role dtype: string - name: state_len dtype: int64 - name: temperature dtype: float64 - name: reward dtype: float64 - name: done dtype: bool - name: truncated dtype: bool - name: timestep dtype: int64 - name: try_step dtype: int64 - name: batch_id dtype: int64 - name: unique_data_sample_id dtype: int64 - name: generation_id dtype: int64 - name: split dtype: string - name: return_ dtype: float64 - name: advantage dtype: int64 - name: return_is_computed dtype: bool - name: advantage_is_computed dtype: bool - name: constant_reward_group dtype: bool - name: tools list: - name: description dtype: string - name: name dtype: string - name: parameters struct: - name: properties struct: - name: company_name struct: - name: description dtype: string - name: type dtype: string - name: expression struct: - name: description dtype: string - name: type dtype: string - name: query struct: - name: description dtype: string - name: type dtype: string - name: table_name struct: - name: description dtype: string - name: type dtype: string - name: text struct: - name: description dtype: string - name: type dtype: string - name: required list: string - name: type dtype: string - name: type dtype: string - name: action_prob dtype: float64 - name: system_prompt dtype: string splits: - name: train num_bytes: 44630842 num_examples: 3000 download_size: 42467620 dataset_size: 44630842 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征项： - 名称：state（状态），类型为列表，包含两个子字段： - 名称：content，数据类型为字符串 - 名称：role，数据类型为字符串 - 名称：action（动作），类型为结构体，包含两个子字段： - 名称：content，数据类型为字符串 - 名称：role，数据类型为字符串 - 名称：next_obs（下一观测），类型为列表，包含两个子字段： - 名称：content，数据类型为字符串 - 名称：role，数据类型为字符串 - 名称：state_len（状态长度），数据类型为64位整数 - 名称：temperature（温度系数），数据类型为双精度浮点数 - 名称：reward（奖励），数据类型为双精度浮点数 - 名称：done（回合结束标记），数据类型为布尔值 - 名称：truncated（截断标记），数据类型为布尔值 - 名称：timestep（时间步），数据类型为64位整数 - 名称：try_step（尝试步数），数据类型为64位整数 - 名称：batch_id（批次ID），数据类型为64位整数 - 名称：unique_data_sample_id（唯一数据样本ID），数据类型为64位整数 - 名称：generation_id（生成ID），数据类型为64位整数 - 名称：split（数据集划分标识），数据类型为字符串 - 名称：return_（累积回报），数据类型为双精度浮点数 - 名称：advantage（优势函数值），数据类型为64位整数 - 名称：return_is_computed（回报已计算标记），数据类型为布尔值 - 名称：advantage_is_computed（优势函数已计算标记），数据类型为布尔值 - 名称：constant_reward_group（恒定奖励组标记），数据类型为布尔值 - 名称：tools（工具集），类型为列表，每个列表元素为结构体，包含以下子字段： - 名称：description（工具描述），数据类型为字符串 - 名称：name（工具名称），数据类型为字符串 - 名称：parameters（工具参数），类型为结构体，包含以下子字段： - 名称：properties（参数属性），类型为结构体，包含以下子字段： - 名称：company_name（公司名称参数），类型为结构体，包含： - 名称：description（参数描述），数据类型为字符串 - 名称：type（参数类型），数据类型为字符串 - 名称：expression（表达式参数），类型为结构体，包含： - 名称：description（参数描述），数据类型为字符串 - 名称：type（参数类型），数据类型为字符串 - 名称：query（查询参数），类型为结构体，包含： - 名称：description（参数描述），数据类型为字符串 - 名称：type（参数类型），数据类型为字符串 - 名称：table_name（表名参数），类型为结构体，包含： - 名称：description（参数描述），数据类型为字符串 - 名称：type（参数类型），数据类型为字符串 - 名称：text（文本参数），类型为结构体，包含： - 名称：description（参数描述），数据类型为字符串 - 名称：type（参数类型），数据类型为字符串 - 名称：required（必填参数列表），数据类型为字符串列表 - 名称：type（参数类型），数据类型为字符串 - 名称：type（工具类型），数据类型为字符串 - 名称：action_prob（动作概率），数据类型为双精度浮点数 - 名称：system_prompt（系统提示词），数据类型为字符串 数据集划分： - 名称：train（训练集），字节数：44630842，样本数量：3000 下载大小：42467620 字节 数据集总大小：44630842 字节 配置项： - 配置名称：default（默认配置），数据文件： - 数据集划分：train（训练集），路径：data/train-*