Характеристики

Лицензия: MIT
Библиотека: pytorch
Опубликована: 11 июл 2026

Ссылки

HAPPO-HATRPO

Обучение с подкреплением

Набор чекпойнтов многoагентных политик HAPPO-HATRPO для экспериментов с переносом управления юнитами StarCraft между командами разного размера.

0скачиваний 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

Набор обученных чекпойнтов HAPPO-HATRPO для исследования Inter-Class Actor-Critic, посвящённого переносу политики между командами разного размера без повторного обучения. Модель использует GNN с механизмом внимания и инвариантным к числу агентов актором с отдельной головой действий для сущностей; центральный критик с факторизацией по классам применяется при обучении в режиме CTDE. Репозиторий содержит веса акторов, критиков и оптимизаторов для карт StarCraft Multi-Agent Challenge 2s3z и 3s5z.

Чекпойнты предназначены для экспериментов с обучением и развёртыванием политик в многoагентном управлении StarCraft, включая zero-shot перенос между командами с одинаковыми классами юнитов, но разным числом агентов. Для политики 2s3z указана доля побед около 0,81; при переносе 3s5z в 2s3z — около 0,39. Чекпойнт 3s5z на момент снимка был недостаточно обучен и показывал около 0,1 побед, поэтому его качество ограничено. Данные представлены в формате PyTorch, лицензия MIT.

Сценарии применения

развёртывание политики StarCraft на команде с другим числом юнитов
zero-shot перенос стратегии между сценариями 2s3z и 3s5z
сравнение GNN-политики с MLP-базовой линией в SMAC
возобновление обучения по сохранённым состояниям оптимизатора

Ограничения

Чекпойнт 3s5z был недообучен и показывал около 0,1 побед; перенос 3s5z→2s3z достигал около 0,39 побед. Критик предназначен только для обучения, а результаты относятся к указанным сценариям SMAC.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

HAPPO-HATRPO — Scalable-Deployment Checkpoints

Trained model checkpoints for the Inter-Class Actor-Critic scalable-deployment research (change agent count at deployment without retraining). Code: https://github.com/QuiZet/HAPPO-HATRPO

checkpoints/<map>/happo/gnn/<seed>/run*/models/ — for each agent class (unit type):

actor_class_<id>.pt — count-invariant GNN/attention actor + entity-keyed action head (deployable)
critic_class_<id>.pt — GNN class-factored central critic (CTDE, training-only)
*_optimizer_*.pt — optimizer states (for resuming)
metadata.json — config (map, classes, hidden_size, …)

Maps: 2s3z (Stalker+Zealot, 5 agents) and 3s5z (8 agents) — same unit classes, different team sizes. results_scaling.csv — zero-shot transfer win rates (in-dist / scale-up / scale-down / MLP baseline).

Status (research snapshot)

2s3z GNN policy ≈ 0.81 win (deployable scale-up source).
Transfer mechanism verified: actor weights load fully across team sizes; zero-shot scale-down 3s5z→2s3z ≈ 0.39; MLP baseline = 0 (broken on transfer).
3s5z was under-trained at this snapshot (~0.1) and a longer, tuned run was in progress — expect improved 3s5z checkpoints later.

Use

# See scripts/deploy_eval.py in the code repo for the full deployment/eval pipeline.
import torch
sd = torch.load("checkpoints/2s3z/happo/gnn/1/run1/models/actor_class_3.pt", map_location="cpu")

Because the actor's weights are agent-count-invariant, a 2s3z actor load_state_dicts directly into a 3s5z-instantiated actor (same per-entity weight shapes).

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: 5fc6b82