Агент REINFORCE на PyTorch управляет тележкой в CartPole-v1, удерживая шест в равновесии.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Это агент обучения с подкреплением, разработанный автором репозитория ashish2244 и обученный алгоритмом REINFORCE для среды CartPole-v1. Он принимает состояние среды и выбирает действие для удержания шеста в равновесии на движущейся тележке.
В карточке указаны средняя награда 500 и стандартное отклонение 0 при оценке; веса политики сохранены в формате PyTorch. Модель предназначена для демонстрации и запуска задачи CartPole-v1. Репозиторий распространяется по лицензии MIT.
Модель обучена для конкретной среды CartPole-v1, поэтому карточка не подтверждает её применимость к другим задачам или средам.
README от автора на Hugging Face, как он его опубликовал
This model was trained using the REINFORCE algorithm on the CartPole-v1 environment.
| Metric | Value |
|---|---|
| Mean Reward | 500.0 |
| Standard Deviation | 0.0 |
| Certification Score | 500.0 |
model.pt – Trained REINFORCE policyhyperparameters.json – Training hyperparametersresults.json – Evaluation resultsreplay.mp4 – Gameplay replayНа своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · pytorch
RL-агенты не запускаются как сервис инференса.