PhoenixHu/grpo_stable_reasoning_nolow_0719_8rollout_075_0720 — набор контрольных точек обучения с подкреплением для VLA-модели в стиле SimLingo, предназначенной для управления автомобилем в симуляторе CARLA. В основе указана InternVL2-1B с непрерывной головой предсказания скорости и путевых точек; обучение проведено методом GRPO. Репозиторий содержит контрольные точки на шагах 200, 300 и 400 в виде объединённых state_dict PyTorch в формате fp32.

Модель предназначена для исследований и оценки поведения автономного вождения в симуляции. Для восстановления архитектуры при оценке необходим конфигурационный файл обучения Hydra. Данные телеметрии обучения rollouts.jsonl в репозитории отсутствуют. Лицензия и список поддерживаемых естественных языков в доступных сведениях не приведены.