Обученный агент SAC для управления в симуляционной среде Pusher-v5 с помощью обучения с подкреплением.
Подходит для: управление агентом в симуляции Pusher-v5 · эксперименты с алгоритмом Soft Actor-Critic · оценка поведения обученного агента в задаче управления
Производная модели farama-minari/Pusher-v5-SAC-medium. Обученный агент SAC для управления в симуляционной среде Pusher-v5 с помощью обучения с подкреплением.
Подходит для: управление агентом в симуляции Pusher-v5 · эксперименты с алгоритмом Soft Actor-Critic · оценка поведения обученного агента в задаче управления
Текстовая модель-критик на базе Qwen3-4B, которая анализирует шаги агента программирования, выявляет ошибки и предлагает дальнейшее действие.
Подходит для: анализ траектории агента при решении задачи по программированию · поиск ошибок в шагах кодового агента · получение рекомендации по восстановлению после ошибки агента
Модель OpenHands на базе Qwen3-4B классифицирует траектории ИИ-агентов по поведенческим критериям и вероятности успешного выполнения задачи.
Подходит для: Оценка успешности выполнения задачи ИИ-агентом · Многометочная оценка поведения агента по рубрике · Анализ траекторий работы агента в OpenHands SDK
Дообученный на критике траекторий кодирующих агентов Qwen3-8B для выявления ошибок и подсказок по восстановлению в циклах программных агентов.
Подходит для: выявление ошибок в ходе работы кодирующего агента · выдача рекомендаций агенту по восстановлению после ошибки · оценка статуса задачи в траектории программного агента
Критическая модель на базе Qwen3-8B, которая анализирует ход работы кодового агента, выявляет ошибки и предлагает следующие шаги восстановления.
Подходит для: поиск ошибок в траектории кодового агента · получение рекомендаций по восстановлению после неудачного шага · оценка статуса выполнения задачи агентом
Дообученная VoxCPM2 для преобразования бенгальского текста в речь.
Подходит для: озвучивание текстов на бенгальском языке · создание бенгальской речи для приложений и сайтов · генерация бенгальской речи по подготовленному сценарию
Набор Flax-агентов PPO, обученных через self-play для выбора действий в соревновательной игре Boom.
Подходит для: выбор хода агентом в Boom · создание игрового бота для Ludus · оценка стратегии в детерминированной симуляции Boom