LAMM: MIT Laboratory for Atomistic and Molecular Mechanics发布BeamRL-TrainData数据集,应用在梁力学、强化学习领域

LAMM: MIT Laboratory for Atomistic and Molecular Mechanics本次发布的数据集BeamRL-TrainData,BeamRL-TrainData 是一个合成的梁力学问答对数据集，用于通过可验证奖励信号的组相对策略优化（GRPO）训练 BeamPERL 模型。数据集包含 180 个独特的简支梁配置，每个配置通过符号计算解决，并配以自然语言问题和真实的反作用力答案。数据集详细记录了梁的长度、载荷类型、载荷位置等参数，并提供了剪切力、弯矩、斜率和挠度等分布数据。每个样本包含唯一的配置 ID、载荷位置、参数、坐标分布、力学分布数据及其极值点、梁段描述、外部反作用力、内部载荷表达式、旋转挠度表达式、自然语言问题及符号系数形式的答案。数据集适用于强化学习、结构工程和数学推理等任务。

查看BeamRL-TrainData

关于LAMM: MIT Laboratory for Atomistic and Molecular Mechanics,LAMM（MIT Laboratory for Atomistic and Molecular Mechanics）是麻省理工学院（MIT）的研究实验室，专注于原子和分子力学的研究，旨在通过模拟和实验来理解和控制物质的微观结构和性质。

关于HuggingFace,Hugging Face是一个机器学习社区协作平台，专注于模型、数据集和应用程序的创建、发现和协作。该平台支持多种数据类型，包括文本、图像、视频、音频和3D数据，并提供开源工具和付费计算及企业解决方案。