ALFWorld 留出评估结果记录集
机器学习
0 下载
3 浏览
2026-09-15
数据集简介
记录组织方式
数据集按训练检查点组织目录,每个检查点对应一个以全局步数命名的子目录,目录内的 result.json 保存该检查点的评估产出:
global_step_N/result.json # metrics, diagnostics
其中 N 为全局步数编号,与模型 merged_hf_actor_gs<N> 的检查点标识保持一致,因此文件名本身即可定位到对应的训练阶段。
文件内容构成
每个 result.json 包含两类信息:
- metrics:该检查点在 ALFWorld 留出评估中的各项指标;
- diagnostics:与本次评估相关的诊断信息,用于辅助解读指标结果。
记录以追加方式写入:每当有新的检查点完成评估,就新增对应的 global_step_N 目录,已有目录不再变动,因此按步数排序即可得到一条按训练进程排列的评估序列。
适用场景与使用方式
该数据集面向对 wckwan/Alfworld-Qwen3-8B-Adaptive-Midpoint 模型训练过程做评估复盘的需求。使用时可按 global_step_N 中的步数升序读取各 result.json,对比不同检查点的指标变化,并结合诊断信息判断各阶段评估结果是否稳定。由于只保留留出评估行,不包含训练集评估内容,适合作为该模型在 ALFWorld 上泛化表现的独立参照记录。
基本信息
记录数量未知
文件大小未知
文件格式未知
数据来源wckwan
目录结构global_step_N/result.json
内容类型评估指标与诊断信息
数据落地页https://huggingface.co/datasets/wckwan/Alfworld-Qwen3-8B-Adaptive-Midpoint-eval
发布日期2026-09-15
ALFWorld留出评估模型检查点评估指标Qwen3-8B
上架信息
数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载