/ Модель

Характеристики

Лицензия
MIT
Архитектура
MultiModalHackVAE · dense
Опубликована
4 авг 2025

nethack-vae

ЭмбеддингиТекст → embedding3 профессии

Мультимодальный вариационный автоэнкодер для получения компактных представлений игровых состояний NetHack.

425скачиваний за 30 дней0лайковвеса обновлены27 авг 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

MultiModalHackVAE — мультимодальный вариационный автоэнкодер CatkinChen для обучения компактных представлений состояний игры NetHack. Модель обрабатывает сетку игрового поля размером 21×79, цветовую информацию, игровые статистики, текст сообщений, набор игровых глифов и сведения о герое: роли, расе, поле и мировоззрении.

Модель предназначена для извлечения признаков и обучения представлений для задач моделирования игрового мира и обучения с подкреплением. Латентное представление имеет размерность 96. При обучении применялись адаптивное взвешивание потерь, прогрев эмбеддингов и постепенное усиление реконструкции исходных данных с аннилингом коэффициента KL-дивергенции.

Модель реализована на PyTorch и обучена на NetHack Learning Dataset. Репозиторий распространяется по лицензии MIT. Она ориентирована на структурированные данные состояний NetHack; README не описывает её как универсальную языковую или генеративную модель.

Сценарии применения

  • Извлечение признаков из состояний NetHack
  • Обучение компактных представлений игрового мира
  • Подготовка признаков для обучения агента с подкреплением

Ограничения

Модель обучена на состояниях NetHack и предназначена для соответствующих игровых данных; переносимость на другие игры или типы данных в карточке не заявлена.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MultiModalHackVAE

A multi-modal Variational Autoencoder trained on NetHack game states for representation learning.

Model Description

This model is a MultiModalHackVAE that learns compact representations of NetHack game states by processing:

  • Game character grids (21x79)
  • Color information
  • Game statistics (blstats)
  • Message text
  • Bag of glyphs
  • Hero information (role, race, gender, alignment)

Model Details

  • Model Type: Multi-modal Variational Autoencoder
  • Framework: PyTorch
  • Dataset: NetHack Learning Dataset
  • Latent Dimensions: 96
  • Low-rank Dimensions: 0

Usage

from train import load_model_from_huggingface
import torch

# Load the model
model = load_model_from_huggingface("CatkinChen/nethack-vae")

# Example usage with synthetic data
batch_size = 1
game_chars = torch.randint(32, 127, (batch_size, 21, 79))
game_colors = torch.randint(0, 16, (batch_size, 21, 79))
blstats = torch.randn(batch_size, 27)
msg_tokens = torch.randint(0, 128, (batch_size, 256))
hero_info = torch.randint(0, 10, (batch_size, 4))

with torch.no_grad():
    output = model(
        glyph_chars=game_chars,
        glyph_colors=game_colors,
        blstats=blstats,
        msg_tokens=msg_tokens,
        hero_info=hero_info
    )
    latent_mean = output['mu']
    latent_logvar = output['logvar']
    lowrank_factors = output['lowrank_factors']

Training

This model was trained using adaptive loss weighting with:

  • Embedding warm-up for quick convergence
  • Gradual raw reconstruction focus
  • KL beta annealing for better latent structure

Citation

If you use this model, please consider citing:

@misc{nethack-vae,
  title={MultiModalHackVAE: Multi-modal Variational Autoencoder for NetHack},
  author={Xu Chen},
  year={2025},
  url={https://huggingface.co/CatkinChen/nethack-vae}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура MultiModalHackVAE неизвестна transformers в образе рантайма.

Ревизия весов
3bdd0a9

0 моделей