/ Модель

Характеристики

Архитектура
rr_player_recurrent_bc · dense
Библиотека
pytorch
Опубликована
28 авг 2026

rr-speed-item-v1

Обучение с подкреплением3 профессии

Рекуррентная политика PPO для выбора действий игрока в Mario Kart Wii.

243скачиваний за 30 дней0лайковвеса обновлены28 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

vlabki/rr-speed-item-v1 — автономный рекуррентный чекпойнт политики игрока для Mario Kart Wii. Модель обучена методом PPO; README указывает 6000 обновлений и 36 864 000 шагов среды. В репозитории находятся веса, конфигурация модели, статистики нормализации и справочные данные маршрута.

Модель предназначена для выбора игровых действий в поддерживаемой среде Mario Kart Wii. В README приведены результаты детерминированных прогонов с фиксированными начальными условиями: лучший надёжный чекпойнт завершил 90% гонок в когорте из 20 запусков, а самый быстрый вариант — 75%. Метрики кадров исключают гонки, не завершённые участником.

Это специализированная игровая политика, а не языковая модель: взаимодействие происходит через игровую среду и действия. Для использования нужны совместимая среда выполнения и состояние игры, соответствующие конфигурации модели. Лицензия в предоставленных данных не описана.

Сценарии применения

  • автоматическое прохождение гонок Mario Kart Wii
  • управление игровым персонажем в среде Mario Kart Wii
  • сравнение надёжности игровых политик на фиксированных сценариях

Ограничения

Политика предназначена для специализированной среды Mario Kart Wii и требует совместимого игрового состояния и интерфейса действий. Приведённые результаты получены на когортах из 20 прогонов с фиксированными начальными условиями и могут не отражать поведение в других условиях.

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

vlabki/rr-speed-item-v1

Self-contained recurrent player-policy checkpoint.

  • Source directory: best_reliable
  • PPO update: 6000
  • Environment steps: 36864000
  • Action support: bc

Evaluation values below come from deterministic fixed-seed argmax runs. Frame averages exclude DNF races.

Best reliable evaluation

MetricValue
Checkpoint update6000
Cohort20
Finish rate90.0%
Finished mean frames11407.17
Finished median frames11342.50
Fastest finish frames10685
Finished P90 frames11994.30
First-place rate among finishes100.0%
Mean wall events0.10
Mean respawns0.30

Best fastest evaluation

MetricValue
Checkpoint update4500
Cohort20
Finish rate75.0%
Finished mean frames11576.27
Finished median frames11589.00
Fastest finish frames10681
Finished P90 frames12030.40
First-place rate among finishes100.0%
Mean wall events0.30
Mean respawns0.55

Files

Runtime weights, model config, normalization statistics, route reference, training config, and portable checksummed fallbacks are included. Raw rollout traces, optimizer state, and full training logs are excluded.

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

RL-агенты не запускаются как сервис инференса.

Ревизия весов
e49e17d

0 моделей