Testpyramidsrnd
T
Testpyramidsrnd
Mahmoud7によって開発
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 16
リリース時間 : 8/11/2022
モデル概要
このモデルはPPO(近位方策最適化)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、特定のナビゲーションやタスク解決目標を達成できます。
モデル特徴
Unity環境統合
Unity ML-Agentsピラミッド環境専用設計で、Unityに直接デプロイして実行可能
PPOアルゴリズム
近位方策最適化アルゴリズムを採用し、探索と活用のバランスを取り、安定した方策学習を実現
リアルタイムデモ
Hugging Face Spacesを通じてリアルタイムデモを視聴可能
モデル能力
環境ナビゲーション
タスク解決
強化学習意思決定
使用事例
ゲームAI
ピラミッド環境ナビゲーション
エージェントがピラミッド迷路をナビゲートしタスクを完了
環境内でのエージェントの意思決定経路を観察可能
教育デモ
強化学習教育
PPOアルゴリズムの実環境での応用を展示
強化学習トレーニング効果を直観的に展示
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