YYgroup/PRFmazeRL

Name: YYgroup/PRFmazeRL
Creator: YYgroup
Published: 2025-11-15T02:47:33+08:00

Hugging Face2025-11-03 更新2025-11-15 收录

强化学习

迷宫环境

数据链接：

https://hf-mirror.com/datasets/YYgroup/PRFmazeRL 数据链接链接失效反馈

官方服务：

资源简介：

--- license: mit ---

许可证：MIT许可证（MIT License）

提供机构：

Buzz是一个高度精选的预训练规模助手数据集，结合了强化学习（RL）和监督微调（SFT），旨在展示现有预训练语言模型的再利用和优化潜力。数据集包含500多个去重的高质量指令跟随、对话、故事讲述和编码数据集，以及超过500万行新数据和数百万行重新增强的数据。数据集的结构与ShareGPT类型兼容，包含对话格式的数据。

Hugging Face2024-09-02 更新290

Assistax

辅助机器人

强化学习

Assistax是一个开源的硬件加速强化学习基准测试，专为辅助机器人任务而设计。它使用JAX的硬件加速功能，在物理仿真中实现了显著的学习速度提升。Assistax采用多智能体强化学习来模拟辅助机器人与活跃人类患者的交互，并测试机器人在零样本协调能力方面的表现。该数据集支持单智能体强化学习(SARL)、多智能体强化学习(MARL)和零样本协调(ZSC)算法，在一个具有连续动作和硬件加速的3D环境中进

arXiv2025-07-29 更新220

raftrsf/sfr_concise_iter4_k32_with_rewards

自然语言处理

强化学习

--- configs: - config_name: default data_files: - split: train path: data/train-* dataset_info: features: - name: responses sequence: string - name: prompt dtype: string - name

Hugging Face2024-06-12 更新120

Quadcopter Flight Control Data

四旋翼控制

强化学习

该数据集汇总了针对四旋翼飞行器在障碍物遍布环境中的飞行控制任务，对不同强化学习算法性能评估的测试数据。它不仅包含了不同强化学习算法之间的性能对比，还探讨了由好奇心驱动的探索对算法效果的影响。

arXiv220

# Dolci-Think-RL ## Dataset Summary **Dolci-Think-RL** is a deliberate reasoning RL dataset used for training *Olmo-3-32B-Think* model. It contains **102,026** high-quality prompts covering: - Math

魔搭社区2026-06-06 更新200

YYgroup/PRFmazeRL

资源简介：

相关数据集