mzio/aprm-sft_thinkact-Efinqa_reasoning-Gaprm_qwen3_ap-S1-Rfinqa_aprm_0-ap1-train_all-b099

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

## Run Metadata

- **run_name**: `act-prm-v2-ia=0-rr=0-ec=act_prm_finqa_reasoning_gpt5m-gc=aprm_qwen3_ap-tc=aprm_for_sft100-rbc=default-msl=4096-mc=hf_qwen3_4b_inst_2507-lc=r8_a16_qkvo-nf=0-ao=1-ho=1-eec=finqa_reasoning-gs=8-bs=8-lr=4e_05-ns=4-s=1-r=finqa_aprm_0`
- **run_cmd**: `main_pytorch.py --env_config act_prm/finqa_reasoning_gpt5m --eval_env_config finqa/reasoning --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 4 --seed 0 --replicate finqa_aprm_0 --verbose --seed 1 --max_seq_len 4096`
- **batch_idx**: `99`
- **split**: `train_all`
- **trajectory_key**: `think_act_policy`
- **num_trajectories**: `508`
- **num_episodes**: `508`
- **group_size**: `8`
- **batch_size**: `8`

# Act-PRM 滚动展开数据集

## 运行元数据

- **运行名称（run_name）**: `act-prm-v2-ia=0-rr=0-ec=act_prm_finqa_reasoning_gpt5m-gc=aprm_qwen3_ap-tc=aprm_for_sft100-rbc=default-msl=4096-mc=hf_qwen3_4b_inst_2507-lc=r8_a16_qkvo-nf=0-ao=1-ho=1-eec=finqa_reasoning-gs=8-bs=8-lr=4e_05-ns=4-s=1-r=finqa_aprm_0`
- **运行命令（run_cmd）**: `main_pytorch.py --环境配置 act_prm/finqa_reasoning_gpt5m --评估环境配置 finqa/reasoning --模型配置 hf_qwen3_4b_inst_2507 --低秩自适应（LoRA）配置 r8_a16_qkvo --生成器配置 aprm_qwen3_ap --训练器配置 aprm_for_sft100 --回放缓冲区配置 default --日志路径 ./logs --仅动作模式 --隐藏观测值 --批量大小 8 --组大小 8 --学习率 4e-5 --子步数 4 --随机种子 0 --复现标识 finqa_aprm_0 --详细输出模式 --随机种子 1 --最大序列长度 4096`
- **批次索引（batch_idx）**: `99`
- **数据集划分（split）**: `train_all`
- **轨迹键（trajectory_key）**: `think_act_policy`
- **轨迹总数（num_trajectories）**: `508`
- **回合总数（num_episodes）**: `508`
- **组大小（group_size）**: `8`
- **批量大小（batch_size）**: `8`