Testpyramidsrnd
これはPPOアルゴリズムに基づく強化学習エージェントで、Unity ML-Agentsのピラミッド環境向けに特別にトレーニングされています。
ダウンロード数 49
リリース時間 : 9/5/2022
モデル概要
このモデルはPPO(Proximal Policy Optimization)アルゴリズムを使用し、UnityのML-Agentsピラミッド環境でトレーニングされており、この環境で特定の強化学習タスクを実行できます。
モデル特徴
PPOアルゴリズムベース
Proximal Policy Optimizationアルゴリズムを使用してトレーニングされており、これは先進的な強化学習アルゴリズムです。
Unity ML-Agents統合
Unity ML-Agentsフレームワーク向けに設計されており、Unity環境にシームレスに統合できます。
ピラミッド環境適応
ピラミッド環境に特化してトレーニングおよび最適化されています。
モデル能力
ピラミッド環境ナビゲーション
強化学習タスク実行
Unity環境インタラクション
使用事例
ゲームAI
ピラミッド環境ナビゲーション
エージェントはピラミッド環境内でナビゲーションや探索が可能です。
強化学習研究
PPOアルゴリズム検証
3D環境におけるPPOアルゴリズムの性能検証に使用できます。
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル
Transformers 複数言語対応

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2%です。
対話システム
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98