Appendix: Automatically Create Evolutionary Metaheuristic Algorithms Using Reinforcement Learning

NIAID Data Ecosystem2026-03-12 收录

数据链接：

https://figshare.com/articles/dataset/Appendix_Automatically_Create_Evolutionary_Metaheuristic_Algorithms_Using_Reinforcement_Learning/13719853 数据链接链接失效反馈

官方服务：

资源简介：

- Data Descriptor AutoMH

创建时间：

2021-02-05

luca0621/multi-RLHF_turn_4_ckp

强化学习

序列生成

该数据集包含一个名为trajectory的特征，该特征是一个列表，包含content和role两个子特征，它们的类型均为字符串。数据集只有一个训练集（train），包含1000个样本，总大小为2373439字节。下载大小为1144256字节。配置部分指定了默认配置，数据文件路径为data/train-*。

Hugging Face2024-11-27 更新120

haoranli-ml/AIME2025_Qwen3-4B-Instruct_rl_4096budget_16rollouts_0.8temp

强化学习

自然语言处理

这个数据集包含了与某个任务相关的多个特征，如问题(problem)、答案(answer)、标记化的提示(tokenized_prompt)、响应(responses)、奖励(rewards)、最大奖励(max_reward)和平均奖励(mean_reward)。数据集分为AIME2025这一部分，总大小为4516329字节，共有30个示例。数据集的下载大小为1720807字节。

Hugging Face2025-11-08 更新80

II-Thought-RL-v0

强化学习

问题解答

II-Thought RL v0是一个大规模、多任务的数据集，专为强化学习设计。该数据集包含经过严格多步骤过滤的高质量问题-答案对，使用了Gemini 2.0 Flash和Qwen 32B作为质量评估工具。数据集涵盖了数学、编程、科学等多个领域，包括来自公开数据集的问题对和自定义的高质量问题对。数据集经过去重、质量评估和去污染流程，以确保数据完整性和训练适用性。

Hugging Face2025-03-28 更新50

qgallouedec/prj_gia_dataset_metaworld_handle_press_side_v2_1111

强化学习

智能代理

该数据集是为模仿学习环境handle-press-side-v2创建的，属于Generally Intelligent Agents项目的一部分。它包含了观察、动作、完成标志和奖励等数据，用于深度强化学习和多任务多模态学习的研究。

Hugging Face2023-03-09 更新120

maanas-writer/mem_agent-model_based-rl-memoryagent-7b-bizbench-test-c27000-t512-1000s-agnostic

自然语言处理

强化学习

该数据集包含问题、上下文、正确答案、响应、提取的答案等多种文本信息，以及处理和评估模型所需的相关元数据。数据集分为训练集，并提供了详细的大小信息。

Hugging Face2025-11-08 更新60