/ Модель

Характеристики

Библиотека
mouse-core
Опубликована
1 июл 2026

mouse-example-model-offline

Обучение с подкреплением3 профессии

Чекпойнт MOUSE на базе Qwen3 оценивает действия по последовательностям наблюдений и вознаграждений в задачах обучения с подкреплением.

8скачиваний за 30 дней0лайковвеса обновлены3 авг 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

Это чекпойнт MOUSE на базе Qwen3 с размерностью скрытого представления 1024 и выходной головой оценки действий action_value. Разработчик — micahr234; модель предназначена для задач обучения с подкреплением и работает с последовательностями записей шагов: принимает дискретные идентификаторы действий и наблюдений, а также числовую награду, после проекции этих данных в общее пространство токенов.

Модель можно применять в экспериментах и системах, которым требуется оценивать ценность действий по наблюдениям и вознаграждениям. README описывает подготовку входных данных через MouseCore и формат TokenBatch для обучения и инференса. Метаданные указывают библиотеку mouse-core и формат весов PyTorch. Лицензия и сведения о качестве модели не приведены.

Сценарии применения

  • оценка ценности действий агента по наблюдениям и наградам
  • обучение агента на последовательностях шагов среды
  • инференс оценки действий через MouseCore
  • эксперименты с политиками обучения с подкреплением

Ограничения

README не сообщает о результатах оценки качества или конкретной среде применения. Для входа требуются дискретные идентификаторы действий и наблюдений, а также числовые значения награды в описанных форматах.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

micahr234/mouse-example-model-offline

This repository contains a MOUSE model checkpoint.

Architecture

  • Backbone: qwen3
  • Hidden dimension: 1024
  • Heads: action_value
  • Action head: action_value

Encoder

NumericEmbedder reads flat step-record dicts and projects each declared modality into the shared 1024-dimensional token space before the backbone.

FieldTypeRequiredTensor shapeDtypeNotes
actiondiscreteyes[B, S]torch.longinteger ids in [0, 3]
observationdiscreteyes[B, S]torch.longinteger ids in [0, 63]
rewardfourieryes[B, S]torch.float32scalar value
donediscreteyes[B, S]torch.longinteger ids in [0, 4]

Install MouseCore

pip install mouse-core

Load The Model

import torch
from mouse_core import load_model
from mouse_core.models import preferred_dtype

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = (
    load_model("micahr234/mouse-example-model-offline", map_location="cpu")
    .eval()
    .to(device=device, dtype=preferred_dtype(device))
)

Run Inference

Training and inference both take a TokenBatch. Training typically uses DataLoader(preparer=encoder.make_preparer()). Online / inference builds one with encoder.prepare(rows) where rows is [B][S] step-record dicts whose keys match the encoder's declared modalities (and any extra_fields).

# Batch shape: [B=1][S=1] — one sequence of one step.
batch = [[
    {
    "action": 0,
    "observation": 0,
    "reward": 0.0,
    "done": 0,
    }
]]
predictions, objective_data, cache = model(model.encoder.prepare(batch))

with torch.no_grad():
    predictions, _, cache = model(model.encoder.prepare(batch))
    action = model.get_action(predictions, temperature=0.0)

model() returns (predictions, objective_data, cache). objective_data is a TensorDict[B, S] of the modality tensors extracted by the encoder — pass it to objectives during training. For cached incremental rollout, keep cache and pass it back on the next call with use_cache=True. Cached batch rows may have different lengths on every call (e.g. envs emitting different numbers of steps between model calls): decoding runs through a FlexAttention session carried in the cache, so each row decodes exactly as it would alone.

Как запустить

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

GPU в ailist

Универсальный рантайм · mouse-core

Нельзя запустить

RL-агенты не запускаются как сервис инференса.

Ревизия весов
76bea55

0 моделей