Характеристики

Опубликована: 22 июл 2026

Ссылки

grpo_stable_reasoning_nolow_0722_075_1200steps

Обучение с подкреплением

Чекпойнт GRPO для VLA-модели на базе InternVL2-1B, обучаемой управлять скоростью и путевыми точками в сценариях автономного вождения.

0скачиваний за 30 дней0лайковвеса обновлены22 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

Чекпойнт PhoenixHu для обучения с подкреплением в стиле GRPO, предназначенный для VLA-системы автономного вождения в симуляторе CARLA. Модель основана на InternVL2-1B и дополнена непрерывной головой предсказания скорости и путевых точек; опубликованный вариант использует настройки nolow, ratio 0.75 и базовую температуру.

В репозитории доступен только чекпойнт шага 1000 в виде консолидированного state_dict PyTorch в формате fp32. Для восстановления модели и оценки требуется файл конфигурации обучения .hydra/config.yaml. Другие чекпойнты и rollouts.jsonl не опубликованы. Лицензия в предоставленных данных не указана.

Сценарии применения

эксперименты с обучением агента автономного вождения в CARLA
предсказание скорости и путевых точек автомобиля
оценка GRPO-чекпойнта в SimLingo-подобной VLA-системе

Ограничения

Доступен только чекпойнт шага 1000; для восстановления и оценки необходима конфигурация .hydra/config.yaml. Другие чекпойнты и данные rollouts не включены в репозиторий.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

grpo_stable_reasoning_nolow_0722_075_1200steps

GRPO RL checkpoint for a SimLingo-style driving VLA (InternVL2-1B + continuous speed-waypoint head). Variant: nolow, ratio 0.75, 1200-step schedule (baseline temperature).

checkpoints/step1000.ckpt/pytorch_model.pt = consolidated fp32 state_dict (step 1000).
.hydra/config.yaml = training config — required to rebuild the model for eval.

import torch
sd = torch.load("checkpoints/step1000.ckpt/pytorch_model.pt", map_location="cpu")

Only step 1000 is published; other checkpoints and rollouts.jsonl are 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: f1dff59