外观
Skip to content
数据集McGill-NLPagent-reward-bench
数据集档案汇总规模、格式、关联机型与模型
agent-reward-bench
McGill-NLP 在 Hugging Face 发布的机器人数据集，规模 1K<n<10K。
概述
这套数据集的采集方式、多模态结构、存储格式与适用任务。
AgentRewardBench 是一个面向 Web agent 轨迹的评测数据集，主题是评估自动化评价方法对 Web agent 轨迹的评价能力。它更偏向网页智能体与轨迹评估场景，而不是实体机器人采集数据；可用于研究自动评价器在这类 agent 轨迹上的表现。
数据集托管在 Hugging Face Hub，仓库名为 McGill-NLP/agent-reward-bench，可通过 huggingface_hub 库加载。使用条款要求下载者不得违法使用或侵犯他人权利，需承认数据可能来自第三方来源并遵守相关附加条款；衍生数据也必须包含这些使用条款。
关键规格与模态
数据规模、传感器模态、标注层级、存储格式及 Hugging Face Hub 下载热度。
- 采集方式
- 遥操作
- 开源协议
- Apache-2.0
- 传感器模态
- 图像文本
- 标注粒度
- 语言标注
- 存储格式
- csv
暂未公开或待收录：总时长 · 演示轨迹数 (Episodes)
数据下载与加载代码
通过 Hugging Face CLI 或 LeRobot Dataset API 直接读取帧序列与动作标签。
# 使用 Hugging Face CLI 下载数据集
huggingface-cli download McGill-NLP/agent-reward-bench --repo-type dataset --local-dir ./data/mcgill-nlp-agent-reward-bench
# 在 Python / LeRobot 中加载数据集
from lerobot.common.datasets.lerobot_dataset import LeRobotDataset
dataset = LeRobotDataset("McGill-NLP/agent-reward-bench")
print(f"Episodes: {dataset.num_episodes}, Frames: {dataset.num_frames}")关联采集机型与策略模型
采集或适配该数据集的机器人本体，以及可在其上训练/评估的 VLA 与控制策略模型。
尚未收录关联机型或引用它的模型。
来源
本页事实对应的公开页面，以原文为准。
- Hugging Face datasets McGill-NLP/agent-reward-bench访问 2026-10-21