rlberry framework 发布 Adversarial MDPs 数据集, 应用在 强化学习、对抗性算法 领域

rlberry framework 本次发布的数据集 Adversarial MDPs, 该数据集包含了一系列的剧集，这些剧集中的任务选自一组4个有限视野的MDP（马尔可夫决策过程）。每个MDP在一个4x4的网格上表示，具有特定的奖励结构。每个剧集都具有特定的结构，奖励只存在于网格的角落位置。初始状态是固定的，该数据集旨在通过预期累积奖励来评估算法。其规模包括4个MDP，200个剧集，以及16个状态。任务类型为对抗性在线多任务强化学习。

查看Adversarial MDPs

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。