/ Модель

Характеристики

Лицензия
MIT
Опубликована
28 сен 2026

MineChoice-reward-survival-bucket-update118

Обучение с подкреплением3 профессии

Экспериментальная MLP выбирает действия Minecraft по структурированному состоянию игры и обучена на переходах награды, включавших изготовление ведра.

20скачиваний за 30 дней0лайковвеса обновлены28 сен 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

MineChoice-reward-survival-bucket-update118 — контрольная точка экспериментальной модели, разработанной автором репозитория teyler для обучения выбору действий в Minecraft Java 1.20.4. Это категориальная MLP с 73 структурированными входами и 45 действиями; модель получает состояние игры напрямую, без пикселей и подстановки действий учителя. Веса обучены на 35 реальных переходах награды после достижения этапа изготовления ведра; всего обучение охватило 6175 оптимизированных переходов.

Модель предназначена для выбора действий игровыми навыками, реализованными в коде, и сама по себе не является готовым ботом. В указанном продолженном эпизоде ведро было изготовлено из трёх железных слитков, однако это не было непрерывным испытанием в новом мире, а повторяемость результата не измерялась. Успешное прохождение игры и достижение алмазов, Незера и Края для этой версии не подтверждены. Репозиторий содержит веса в формате safetensors и лицензию MIT.

Сценарии применения

  • изучение выбора действий в Minecraft по структурированному состоянию
  • эксперименты с обучением игрового агента на переходах награды
  • встраивание весов в систему игровых навыков Minecraft
  • исследование поведения агента при сборе ресурсов и изготовлении ведра

Ограничения

Веса сами по себе не являются готовым ботом: выполнение выбранных действий зависит от игровых навыков в коде. Для этого чекпойнта не подтверждены прохождение игры, измеренная повторяемость изготовления ведра или успех на полной игре.

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

MineChoice bucket training checkpoint 118

This model has not beaten Minecraft. No held-out full-game success rate or server-verified Ender Dragon kill exists for this checkpoint.

This immutable checkpoint is a 73-input, 45-action categorical MLP trained on real local Minecraft Java 1.20.4 reward transitions. It uses direct structured state, no pixels, and no teacher fallback. Coded game skills execute selected actions; these weights alone are not a standalone bot.

Seed 384455844 began naturally with an empty inventory and no privileged setup in 20260928-061257-train-384455844. The bucket was crafted with three iron ingots in later continued-world episode 20260928-072932-train-persistent-001. Its reward transition shows bucket 0 to 1 and iron ingots 3 to 0. This was not an uninterrupted fresh-world completion trial. The episode was interrupted for a code repair after the bucket milestone and its 35 real reward transitions were trained into update 118 (6175 cumulative optimized transitions). There is no measured repetition rate.

model.safetensors and policy.json contain identical neural weights. config.json gives the exact input and action order. milestone_evidence.json records the lineage and scope. The bundled policy schema is the episode's source snapshot. Training ran locally on an RTX 3090. No world save, credential, or raw gameplay log is included.

Diamond acquisition, Nether entry, End entry, and game completion remain unverified for this checkpoint.

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
ed68826

0 моделей