Update README.md

README.md

@@ -1,3 +1,233 @@
----
-license: unknown
----
+---
+license: mit
+task_categories:
+- reinforcement-learning
+tags:
+- hierarchical-rl
+- maxq
+- value-decomposition
+- offline-rl
+- trajectories
+pretty_name: Hierarchical Value Decomposition (MAXQ) — Rebuttal Dataset
+size_categories:
+- 1K<n<10K
+language:
+- en
+---
+
+# Hierarchical Value Decomposition (MAXQ) — Rebuttal Dataset
+
+[![Dataset on HuggingFace](https://img.shields.io/badge/🤗%20Dataset-HuggingFace-yellow)](https://huggingface.co/datasets/<your-username>/hvd-maxq-rebuttal)
+[![License: MIT](https://img.shields.io/badge/License-MIT-blue.svg)](LICENSE)
+
+**🔗 Access Dataset:** https://huggingface.co/datasets/<your-username>/hvd-maxq-rebuttal
+
+---
+
+## 📊 Dataset Overview
+
+本数据集用于支撑论文“Hierarchical Reinforcement Learning with the MAXQ Value Function Decomposition”相关的复现实验与 rebuttal，对外提供分层任务轨迹、层级边界标注、奖励与价值分解信息、训练日志与评估结果。[JAIR/2000][1]，[arXiv][5]
+
+### 关键内容
+
+- 分层轨迹：按子任务/子例程划分的`state, action, reward, next_state, done`序列
+- 层级标注：`hierarchy_level`、`subtask_id`、进入/退出条件、抽象状态信息
+- 价值分解：用于 MAXQ 的加性价值分解字段与局部回报统计
+- 训练/评估：不同随机种子与超参数的训练日志、评估回报与方差
+
+### 关键统计（待补全）
+
+- 任务数：<填写数量>
+- 总轨迹数：<填写数量>
+- 数据体量：<填写GB>
+- 训练随机种子：<seed 列表>
+- 评估指标：平均回报 ± 方差（按任务/层级）
+
+### 数据模态覆盖（待补全）
+
+- 轨迹文件：<格式，如 npz/hdf5/jsonl>
+- 层级标注：<文件或内嵌字段>
+- 日志与模型引用：<日志文件>；策略权重建议在模型仓库发布并在此引用
+
+---
+
+## 🚀 Quick Start
+
+### 1) 仅加载数据集元数据
+
+```python
+from datasets import load_dataset
+
+dataset = load_dataset("<your-username>/hvd-maxq-rebuttal")
+episode = dataset['train'][0]
+print(episode['episode_id'])
+print(episode['env_name'])
+print(len(episode['transitions']))
+```
+
+### 2) 按需下载特定文件
+
+```python
+from huggingface_hub import hf_hub_download
+
+traj_path = hf_hub_download(
+    repo_id="<your-username>/hvd-maxq-rebuttal",
+    filename="trajectories/<episode_id>.npz",
+    repo_type="dataset",
+)
+
+hier_path = hf_hub_download(
+    repo_id="<your-username>/hvd-maxq-rebuttal",
+    filename="hierarchy/<episode_id>.json",
+    repo_type="dataset",
+)
+```
+
+### 3) 克隆完整数据集（含大型文件）
+
+```bash
+git lfs install
+git clone https://huggingface.co/datasets/<your-username>/hvd-maxq-rebuttal
+```
+
+---
+
+## 📚 数据字段说明
+
+每个`episode`包含：
+
+### 元数据字段
+
+- `episode_id`: 唯一标识
+- `env_name`: 环境或任务名称
+- `hierarchy_spec`: 层级结构摘要（JSON 字符串或对象）
+- `seed`: 随机种子
+- `algo`: 训练算法（如 MAXQ-Q）
+- `hyperparams`: 关键超参数摘要
+
+### 序列数据
+
+- `transitions`: 列表项包含 `state`, `action`, `reward`, `next_state`, `done`
+- `subtasks`: 子任务序列与边界，含 `subtask_id`, `level`, `enter_t`, `exit_t`
+- `value_decomp`: 分解后的价值或回报统计（用于加性分解的相关量）
+
+---
+
+## 💡 使用示例
+
+### 1) 浏览与筛选
+
+```python
+from datasets import load_dataset
+
+ds = load_dataset("<your-username>/hvd-maxq-rebuttal")
+train = ds['train']
+filtered = train.filter(lambda x: x['env_name'] == '<env>' and x['seed'] == 0)
+print(len(filtered))
+```
+
+### 2) 构建层级滚动回放
+
+```python
+episode = train[0]
+for st in episode['subtasks']:
+    seg = episode['transitions'][st['enter_t']:st['exit_t']]
+    # 在此进行子任务级评估或可视化
+```
+
+### 3) 价值分解校验（示例占位）
+
+```python
+import numpy as np
+
+vd = episode['value_decomp']
+_ = np.array(vd['local_returns']).sum()
+```
+
+---
+
+## 🎯 适用场景
+
+- 分层强化学习复现与评估（MAXQ 框架）
+- 离线强化学习与价值分解方法研究
+- 子任务/抽象状态设计与层级策略分析
+- 与模型仓库中策略权重联合使用进行端到端评测
+
+---
+
+## 📖 数据集细节（待补全）
+
+### 数据来源与生成
+
+- 环境：<列出实验环境/任务>
+- 采集流程：<说明采集管线、抽象/子任务划分策略>
+- 训练配置：<训练步数、学习率、探索策略等>
+
+### 评估设置
+
+- 指标：平均回报、方差、收敛步数等
+- 重复次数与随机种子：<填写>
+
+---
+
+## 🔐 隐私与合规
+
+- 数据来源于仿真，未包含个人隐私信息
+- 许可证与使用限制：见下方 License
+
+---
+
+## ⚠️ 已知局限（待补全）
+
+- 层级标注依赖特定实现，跨环境迁移需校验
+- 抽象状态选择可能影响价值分解稳定性
+
+---
+
+## 📜 License
+
+MIT License - 见 `LICENSE`
+
+---
+
+## 📚 引用
+
+### 论文
+
+> Dietterich, T. G. (2000). Hierarchical Reinforcement Learning with the MAXQ Value Function Decomposition. Journal of Artificial Intelligence Research. [JAIR][1], [arXiv][5]
+
+### 数据集
+
+```bibtex
+@dataset{hvd_maxq_rebuttal_2025,
+  title={Hierarchical Value Decomposition (MAXQ) — Rebuttal Dataset},
+  author={<your name>},
+  year={2025},
+  publisher={HuggingFace},
+  url={https://huggingface.co/datasets/<your-username>/hvd-maxq-rebuttal}
+}
+```
+
+---
+
+## 👥 Authors
+
+<your name(s)>
+
+---
+
+## 📞 Contact & Contributions
+
+- 在数据集页面开启讨论或提 Issue
+- 联系邮箱：<your email>
+
+---
+
+## 📋 Changelog
+
+- v1.0 (2025): 首次公开发布，含核心层级轨迹与评估结果
+
+---
+
+[1]: https://jair.org/index.php/jair/article/view/10266
+[5]: https://arxiv.org/abs/cs/9905014