XLand-100B：面向 in-context 强化学习的大规模多任务数据集

跟随大规模语言和计算机视觉模型中 in-context 学习范式的成功，最近涌现的 in-context 强化学习领域正迎来快速发展。然而，由于所有实验都在简单环境中进行且数据集规模较小，该领域的发展受限于缺乏具有挑战性的基准。我们提出 XLand-100B，这是一个基于 XLand-MiniGrid 环境的大规模 in-context 强化学习数据集，以缓解这一问题。数据集包含 nearly $30,000$ 个不同任务的完整学习历史，覆盖 $100$B 次转移和 $2.5B$ 个剧集。收集该数据集耗用了 50,000 个 GPU 小时，远超大多数学术实验室的能力。我们随数据集提供了复现或进一步扩展的实用工具。我们还对常见的 in-context RL 基线方法进行基准测试，表明它们在面对新型多样化任务时难以泛化。通过这一大规模努力，我们旨在 democratize in-context 强化学习领域的研究，为进一步规模化奠定坚实基础。