/ Модель

Характеристики

Лицензия
MIT
Опубликована
7 июл 2026

ad-placement-rl-agents

Обучение с подкреплением

Набор моделей offline RL и контекстных бандитов для экспериментов с размещением веб-рекламы на синтетических данных.

0скачиваний за 30 дней0лайковвеса обновлены7 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

Репозиторий shijazks/ad-placement-rl-agents содержит набор моделей обучения с подкреплением и контекстных бандитов для размещения веб-рекламы. В набор входят Behavior Cloning как базовый метод имитационного обучения, Conservative Q-Learning и Fitted Q-Iteration для offline RL; README также упоминает другие модели, но не перечисляет их названия.

Модели обучены на синтетическом наборе данных и предназначены для экспериментов с выбором рекламных размещений по контексту без обучения на живом трафике. Файлы представлены в форматах PyTorch и joblib. Репозиторий распространяется по лицензии MIT. Ключевое ограничение — результаты не проверялись на реальном пользовательском трафике и в производственных рекламных системах.

Сценарии применения

  • сравнение алгоритмов для выбора рекламного размещения
  • эксперименты с offline RL для веб-рекламы
  • проверка базового имитационного обучения в задаче размещения рекламы

Ограничения

Модели обучены только на синтетических данных и не проверены на реальном пользовательском трафике или в производственных рекламных системах.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Web Ad-Placement RL Agents

Multiple RL/bandit models trained on a synthetic web ad-placement dataset: [link to your dataset repo].

Models included

FileAlgorithmType
BC.ptBehavior CloningImitation learning baseline
CQL.ptConservative Q-LearningOffline RL
FQI.joblibFitted Q-IterationOffline RL
LinUCB.joblibLinUCBContextual bandit
surrogate_bc.joblibSurrogate reward model for BCEvaluation/simulation
surrogate_cql.joblibSurrogate reward model for CQLEvaluation/simulation
surrogate_fqi.joblibSurrogate reward model for FQIEvaluation/simulation
surrogate_linucb.joblibSurrogate reward model for LinUCBEvaluation/simulation
action_encoder.joblibAction space encoderPreprocessing
feature_encoders.joblibFeature encodersPreprocessing
feature_columns.joblibFeature column schemaPreprocessing

Usage

import joblib
import torch

# example: loading LinUCB
linucb_model = joblib.load("LinUCB.joblib")

# example: loading a PyTorch model
bc_model = torch.load("BC.pt")

# load supporting encoders
feature_encoders = joblib.load("feature_encoders.joblib")
action_encoder = joblib.load("action_encoder.joblib")

Training data

Trained on synthetic data — see [dataset link] for details on generation and schema.

Limitations

Trained entirely on synthetic data; not validated on real user traffic or production ad-serving environments.

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
0fe626f

0 моделей