/ Модель

Характеристики

Библиотека
mouse-core
Опубликована
30 июн 2026

mouse-example-model-online

Обучение с подкреплением3 профессии

Модель MOUSE на базе Qwen3 оценивает действия по последовательностям дискретных наблюдений и наград для сценариев обучения с подкреплением.

10скачиваний за 30 дней0лайковвеса обновлены11 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

Это контрольная точка модели MOUSE на базе Qwen3, предназначенная для задач обучения с подкреплением. Она принимает последовательности записей шагов с дискретными действиями и наблюдениями, а также скалярными наградами; кодировщик StepEmbedder преобразует их в общее пространство токенов размерности 1024, после чего голова action_value оценивает действия. Модель рассчитана на обработку батчей последовательностей записей шагов через библиотеку MouseCore и PyTorch.

В карточке указаны допустимые диапазоны идентификаторов действий и наблюдений, но не описаны соответствие идентификаторов реальным действиям или состояниям, обучающая среда и достигнутые результаты. Лицензия и заявленные языки не приведены в доступных данных.

Сценарии применения

  • оценка ценности дискретных действий в последовательности шагов
  • ранжирование вариантов действия по наблюдениям и наградам
  • использование в экспериментальном пайплайне обучения с подкреплением

Ограничения

Не указаны обучающая среда, семантика кодов действий и наблюдений, результаты оценки и лицензия; применимость к конкретной среде из карточки определить нельзя.

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-online

This repository contains a MOUSE model checkpoint.

Architecture

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

Encoder

StepEmbedder 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]
rewardrffyes[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

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

Run Inference

The model accepts a list[list[dict]] batch of shape [B][S] — B sequences, each containing S step-record dicts with flat keys matching the encoder's declared modalities above.

# 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(batch)

with torch.no_grad():
    predictions, _, cache = model(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
a51495d

0 моделей