Kaggle-ConnectX决赛智能体对局数据集2023
数据来源：互联网公开数据
本数据集来自 Kaggle 平台举办的 ConnectX 强化学习竞赛，收集了公开排行榜（Public Leaderboard）前 50 名智能体在比赛中进行的对局信息。原始对局以 JSON 格式保存，同时提取了所有对局中的动作与状态，共包含：
6367 场完整对局（Replays）
194,531 个状态/动作记录（States/Moves）
数据内容：
数据集展示了智能体对战过程中的关键状态信息，适用于强化学习、策略建模、对局分析等场景。每条记录通常包括当前棋盘状态、执行动作、下一状态、是否终局等信息。
字段定义（具体字段可能随数据格式而有所不同）：
如果为 CSV 格式动作状态表：
game_id：对局唯一标识符
agent_1：第一位智能体编号或名称
agent_2：第二位智能体编号或名称
board_state：当前棋盘状态（通常为数组或编码形式）
action：当前玩家在该状态下采取的动作（列号）
player_id：当前执行动作的玩家标识（如1或2）
reward：执行该动作后获得的即时奖励
is_terminal：该状态是否为终局状态
result：对局最终结果（胜者/平局/失败等）
若使用原始 JSON 回放文件，可包含：
初始状态、每一步动作与状态转移序列
玩家观察视角、回合编号、终局标志等
时间范围：
数据基于 ConnectX 比赛生成，不涉及实际时间戳，对局顺序不一定具备时间序列特征。
数据格式：
动作状态数据： 通常为结构化 CSV 或 Parquet 格式，便于建模使用
完整对局回放： JSON 格式存储，适用于可视化或策略复现
原始 JSON 可通过提供路径访问（请参阅竞赛链接或 GitHub）
更新频率：
为比赛期间的静态快照数据，排行榜和对局记录固定不变。仅收录前 50 名智能体间的对战数据，具有高水平对抗性。
适用场景：
强化学习策略训练与模拟
智能体行为分析与对比评估
游戏策略模型构建与对弈生成
模拟环境创建（ConnectX仿真）
多智能体决策研究
模型推理可解释性研究（如状态到动作映射）
标签：强化学习, ConnectX, 多智能体博弈, 动作状态对, 对局分析, 游戏AI, 策略建模, Kaggle竞赛, JSON回放, 决策系统, 智能体学习
