Hirify Feed — your shortcut to what’s next

ИИ rl reinforcement learning alphazero lstm gru разработка

Запуск локальной студии для обучения RL-моделей

3 дн

начал делать локальную студию для RLя (потому что все должны рлить) там добавлены сейчас 88 енвов, ерализованы многие популярные алгоритмы также алгоритмов добавлена память на LSTM/GRU есть селф-плей alphazero с несколькими средами есть возможность запускать несколько параллельных сред для одного эксперимента https://github.com/researchim-ai/reinforcement-studio пока что просто показываю. где-нибудь в конце этой недели или на следующей мб будет билд уже под linux/windows, чтобы можно было с кайфом потыкать в общем-то оно и сейчас работает вроде бы но надо потестить еще + некоторые фичи допиливаются вообще эта штука делается как ответвление моделек дома https://github.com/researchim-ai/models-at-home чисто под rl модельки дома тоже потихонечку переезжаются на свою прилу https://github.com/researchim-ai/models-at-home-studio я туда хотел запихнуть страницу с "маленьким рлем". но как будто тут отдельная штука нужна была ну и я решил делать

Запуск локальной студии для обучения RL-моделей

rl reinforcement learning alphazero lstm gru разработка

ИИ ai reinforcement learning q-learning world models обучение с подкреплением

Q-Learning With World Models

А@AGI_and_RLAI-инженер

5 дн

Q-Learning With World Models https://arxiv.org/abs/2608.17163 https://www.alphaxiv.org/abs/2608.17163

ai reinforcement learning q-learning world models обучение с подкреплением

ИИ ai reinforcement-learning ml monitoring github

RewardSpy: инструмент для мониторинга коллапса наград в RL

L@lovedeathtransformersAI-инженер

1 мес

Забавный в своей бесполезности тул - мониторинг взлома реварда, проверяет есть ли коллапс награды в одно значени https://github.com/AvAdiii/rewardspy

ai reinforcement-learning ml monitoring github