mzio/aprm-sft_thinkact-Eact-Gact-Sact-Ract-train_eval-b019

---
{}
---
# Act-PRM Rollout Dataset

## Run Metadata

- **run_name**: `act-prm-v2-ia=0-rr=0-ec=act_prm_tw_treasure_medium-gc=aprm_qwen3_ap-tc=aprm_for_sft100-rbc=default-mc=hf_qwen3_4b_inst_2507-lc=r8_a16_qkvo-nf=0-ao=1-ho=1-gs=8-bs=8-lr=4e_05-ns=1-s=42-r=0`
- **run_cmd**: `main_pytorch.py --env_config act_prm/tw_treasure_medium --model_config hf_qwen3_4b_inst_2507 --lora_config r8_a16_qkvo --generator_config aprm_qwen3_ap --trainer_config aprm_for_sft100 --replay_buffer_config default --log_path ./logs --actions_only --hide_observations --batch_size 8 --group_size 8 --learning_rate 4e-5 --num_substeps 1 --seed 42 --replicate 0 --verbose`
- **batch_idx**: `19`
- **split**: `train_eval`
- **trajectory_key**: `think_act_policy`
- **num_trajectories**: `448`
- **num_episodes**: `448`
- **group_size**: `8`
- **batch_size**: `8`

# Act-PRM 展开数据集

## 运行元数据

- **运行名称**：`act-prm-v2-ia=0-rr=0-ec=act_prm_tw_treasure_medium-gc=aprm_qwen3_ap-tc=aprm_for_sft100-rbc=default-mc=hf_qwen3_4b_inst_2507-lc=r8_a16_qkvo-nf=0-ao=1-ho=1-gs=8-bs=8-lr=4e_05-ns=1-s=42-r=0`
- **运行命令**：`main_pytorch.py --env_config act_prm/tw_treasure_medium --model_config hf_qwen3_4b_inst_2507 --lora_config r8_a16_qkvo --generator_config aprm_qwen3_ap --trainer_config aprm_for_sft100 --replay_buffer_config default --log_path ./logs --actions_only --hide_observations --batch_size 8 --group_size 8 --learning_rate 4e-5 --num_substeps 1 --seed 42 --replicate 0 --verbose`
- **批次索引**：`19`
- **数据集划分**：`train_eval`
- **轨迹键**：`think_act_policy`
- **轨迹总数**：`448`
- **回合总数**：`448`
- **组大小**：`8`
- **批量大小**：`8`