Обученный PPO-агент для управления игровым персонажем в среде SnowballTarget на базе Unity ML-Agents.
Подходит для: Наблюдение за игрой агента в SnowballTarget · Продолжение обучения агента PPO в Unity ML-Agents · Эксперименты с глубоким обучением с подкреплением в игровой среде
Обученный PPO-агент для управления персонажем в игре Huggy в среде Unity ML-Agents.
Подходит для: запуск агента для игры в Huggy · просмотр поведения обученного агента в среде Unity · продолжение обучения PPO-агента для Huggy
pytorch: формат, квантизация, runtime и память принадлежат одному artifact
SPP-T0 Instruct — англоязычная модель Llama на 3 млрд параметров для диалогов и исследований выравнивания поведения с обучением Synthetic Persona Pretraining.
Подходит для: исследование конституционного выравнивания языковых моделей · сравнение вариантов обучения с разной долей примеров безопасности · изучение обобщения ценностей в диалоговых ответах