Характеристики

Опубликована: 21 июл 2026

Ссылки

grpo_stable_reasoning_nolow_0719_075_0720

Обучение с подкреплением

Чекпойнты GRPO-обучения VLA-системы на базе InternVL2-1B для управления автомобилем и предсказания скорости и путевых точек.

0скачиваний за 30 дней0лайковвеса обновлены21 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/grpo_stable_reasoning_nolow_0719_075_0720 — набор чекпойнтов обучения с подкреплением для системы автономного вождения в стиле SimLingo. В основе VLA-системы указана InternVL2-1B с отдельной непрерывной головой, предсказывающей скорость и путевые точки; вариант обучен с GRPO, обозначен как nolow, ratio 0.75. Репозиторий содержит объединённые state_dict в формате PyTorch для нескольких шагов обучения.

Модель предназначена для экспериментов и оценки поведения агента в сценариях вождения на CARLA. Для восстановления архитектуры при оценке требуется конфигурация обучения из .hydra/config.yaml. Данные телеметрии rollouts.jsonl в репозитории отсутствуют. Лицензия и поддерживаемые естественные языки в предоставленных источниках не указаны.

Сценарии применения

эксперименты с автономным вождением в CARLA
оценка поведения VLA-агента в симуляции
предсказание скорости и путевых точек автомобиля

Ограничения

Для восстановления архитектуры при оценке необходима конфигурация .hydra/config.yaml; телеметрия обучения rollouts.jsonl отсутствует. Лицензия и поддерживаемые языки в доступных источниках не указаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

grpo_stable_reasoning_nolow_0719_075_0720

GRPO RL checkpoints for a SimLingo-style driving VLA (InternVL2-1B + continuous speed-waypoint head). Variant: nolow, ratio 0.75 (0719/0720).

Each checkpoints/stepNNN.ckpt/pytorch_model.pt = consolidated fp32 state_dict.
.hydra/config.yaml = the training config — required to rebuild the model architecture for eval.

file	step
`checkpoints/step200.ckpt/pytorch_model.pt`	200
`checkpoints/step300.ckpt/pytorch_model.pt`	300
`checkpoints/step400.ckpt/pytorch_model.pt`	400
`checkpoints/step500.ckpt/pytorch_model.pt`	500

import torch
sd = torch.load("checkpoints/step500.ckpt/pytorch_model.pt", map_location="cpu")

Note: rollouts.jsonl (RL training telemetry) is not included.

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: ccdce0b