DACBench 发布 5D Sigmoid and Piecewise Linear benchmark 数据集, 应用在 强化学习、算法评估 领域

DACBench 本次发布的数据集 5D Sigmoid and Piecewise Linear benchmark, 该数据集是一个模拟了耦合动作维度与重要性差异（CANDID）属性的基准，用于评估动态算法配置中的顺序策略。该数据集包含了不同配置的动作维度和离散的动作选择，这使得研究者能够评估方法的可扩展性。在5维动作尺度的任务中，该数据集旨在比较顺序策略与基准方法（如DDQN和IQL）在CANDID动作空间中的性能表现。

查看5D Sigmoid and Piecewise Linear benchmark

README 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。