Характеристики

Опубликована: 11 июл 2026

Ссылки

Hugging Face

grpo_stable_reasoning_05_nnear10_nolow_0710

PhoenixHu

Обучение с подкреплением

Экспериментальные контрольные точки GRPO для визуально-языковой системы управления автомобилем в симуляторе CARLA.

0скачиваний за 30 дней0лайковвеса обновлены11 июл 2026

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

PhoenixHu опубликовал экспериментальные контрольные точки обучения с подкреплением GRPO для системы SimLingo, управляющей автомобилем в симуляторе. Модель построена на InternVL2-1B и дополнена непрерывной выходной головой для скорости и путевых точек. В репозитории приведены контрольные точки на шагах обучения и конфигурация Hydra, необходимая для восстановления модели при оценке; веса сохранены как объединённый state_dict PyTorch в формате fp32.

Система предназначена для экспериментов с автономным вождением в CARLA: визуально-языковая часть получает входные данные, а голова предсказывает скорость и путевые точки для управления движением. Для оценки требуются конфигурация обучения и соответствующая среда. Лицензия в доступных данных не указана.

Сценарии применения

эксперименты с обучением автономного вождения методом GRPO
оценка управления автомобилем в симуляторе CARLA
предсказание скорости и путевых точек для движения автомобиля

Ограничения

Для восстановления модели при оценке нужна конфигурация Hydra; это контрольные точки обучения, а не готовый автономный водитель. В метаданных не указана лицензия.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

grpo_stable_reasoning_05_nnear10_nolow_0710

GRPO RL checkpoints for a SimLingo-style driving VLA (InternVL2-1B + continuous speed-waypoint head).

Training script: run_grpo_stable_reasoning_05_nolow.sh
Each checkpoints/stepNNN.ckpt/pytorch_model.pt = consolidated fp32 state_dict.
.hydra/config.yaml = the training config (needed to rebuild the model for eval).

file	step
`checkpoints/step100.ckpt/pytorch_model.pt`	100
`checkpoints/step150.ckpt/pytorch_model.pt`	150
`checkpoints/step200.ckpt/pytorch_model.pt`	200
`checkpoints/step250.ckpt/pytorch_model.pt`	250
`checkpoints/step300.ckpt/pytorch_model.pt`	300
`checkpoints/step400.ckpt/pytorch_model.pt`	400
`checkpoints/step450.ckpt/pytorch_model.pt`	450

import torch
sd = torch.load("checkpoints/step300.ckpt/pytorch_model.pt", map_location="cpu")

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

RL-агенты не запускаются как сервис инференса.

Ревизия весов: 5f3747d