yananchen/skillrl_sft_alfworld_prompt_completion

--- dataset_info: features: - name: prompt dtype: string - name: completion dtype: string splits: - name: train num_bytes: 42191393 num_examples: 7486 download_size: 5617787 dataset_size: 42191393 configs: - config_name: default data_files: - split: train path: data/train-* --- The dataset is from paper `SkillRL: Evolving Agents via Recursive Skill-Augmented Reinforcement Learning` - Rows: 7486 - Distinct parsed tasks: 237 - Contiguous same-task runs: 499 - Contiguous run length: - min: 4 - mean: 15.0 - max: 38 - Rows with \<action\>...\</action\>: 7486/7486 - Rows where output action exactly appears in the admissible action list: 7486/7486 - Invalid action mismatch count: 0 fine-tuning this dataset for open-sourced LLM such as qwen, via TRL ```bash CUDA_VISIBLE_DEVICES=1 trl sft \ --model_name_or_path Qwen/Qwen3-0.6B \ --dataset_name yananchen/skillrl_sft_alfworld_prompt_completion \ --report_to none \ --learning_rate 1e-4 \ --lr_scheduler_type cosine \ --warmup_steps 0.03 \ --per_device_train_batch_size 4 \ --gradient_accumulation_steps 8 \ --output_dir ~/agents/SkillRL/qwen3_0p6B_sft \ --num_train_epochs 4 \ --save_strategy epoch \ --max_steps -1 \ --gradient_checkpointing \ --logging_strategy epoch \ --packing False \ --do_eval False \ --bf16 True \ --dtype bfloat16 \ --max_length 2048 \ --use_peft \ --lora_r 16 \ --lora_alpha 16 \ --save_only_model True \ --lora_target_modules v_proj q_proj \ --load_in_8bit \ --attn_implementation sdpa ```数据集元信息： 特征列： - 字段名：prompt（提示词），数据类型：字符串 - 字段名：completion（补全文本），数据类型：字符串 数据集划分： - 划分名称：train（训练集），字节占用：42191393，样本数量：7486 下载大小：5617787，数据集总字节数：42191393 配置项： - 配置名称：default（默认配置），数据文件： - 划分：train，路径：data/train-* 本数据集源自论文《SkillRL: 基于递归技能增强强化学习演化智能体（SkillRL: Evolving Agents via Recursive Skill-Augmented Reinforcement Learning）》 - 总样本数：7486 - 唯一解析任务数：237 - 同任务连续运行批次：499 - 连续运行长度统计： - 最小值：4 - 平均值：15.0 - 最大值：38 - 包含`<action>...</action>`标签的样本占比：7486/7486（即全部样本） - 输出动作完全匹配可允许动作列表的样本占比：7486/7486（即全部样本） - 无效动作不匹配计数：0 可通过TRL工具对该数据集进行微调，以适配通义千问（Qwen）等开源大语言模型（LLM），示例微调命令如下： bash CUDA_VISIBLE_DEVICES=1 trl sft --model_name_or_path Qwen/Qwen3-0.6B --dataset_name yananchen/skillrl_sft_alfworld_prompt_completion --report_to none --learning_rate 1e-4 --lr_scheduler_type cosine --warmup_steps 0.03 --per_device_train_batch_size 4 --gradient_accumulation_steps 8 --output_dir ~/agents/SkillRL/qwen3_0p6B_sft --num_train_epochs 4 --save_strategy epoch --max_steps -1 --gradient_checkpointing --logging_strategy epoch --packing False --do_eval False --bf16 True --dtype bfloat16 --max_length 2048 --use_peft --lora_r 16 --lora_alpha 16 --save_only_model True --lora_target_modules v_proj q_proj --load_in_8bit --attn_implementation sdpa