该数据集由LeRobot创建，采用apache-2.0许可证，属于机器人技术领域。数据集包含10个episodes，774帧，1个任务，数据文件大小为100MB，视频文件大小为200MB。数据以parquet格式存储，视频以mp4格式存储，帧率为10fps。数据集仅包含训练集。特征包括动作（delta_x, delta_y, delta_z, gripper）、下一状态奖励、完成标志、离散惩罚、前

Hugging Face2026-04-03 更新100

skandermoalla/qrpo-paper-llama-nosft-magpieair-armorm-temp1-ref50-offpolicy2random-armorm

强化学习

对齐

--- license: mit tags: - reinforcement-learning - alignment - qrpo --- # qrpo-paper-llama-nosft-magpieair-armorm-temp1-ref50-offpolicy2random-armorm Dataset with reference completions and rewards fo

Hugging Face2025-12-08 更新60

sungyub/table-r1-zero-verl

表格推理

强化学习

Table-R1-Zero是一个针对表格推理问题的数据集，转换为VERL格式，适用于强化学习训练工作流。该数据集包含69,265个表格推理问题，主要来源于WikiTableQuestions和其他表格问答基准数据集，设计用于训练语言模型理解和推理结构化表格数据。

Hugging Face2025-11-05 更新110

luca0621/multi-RLHF-processed-llama1B-dataset-with-1000-rewards

自然语言处理

强化学习

该数据集包含查询（query）、响应（response）和奖励（reward）三个特征，其中查询和响应为字符串类型，奖励为浮点数类型。数据集分为训练集和测试集，训练集包含8000个样本，测试集包含2000个样本。总下载大小为2276183字节，数据集总大小为7148705字节。

Hugging Face2024-11-30 更新70