8⃣ HVAC twin v8
LoRA-контроллер для почасовых уставок охлаждения
1 min readupdated
Это LoRA-адаптеры на базе Qwen2.5-3B-Instruct от GeMri98. Модель выбирает почасовые уставки охлаждения по текстовому описанию цифрового двойника офиса 2R2C; качество оценивается симуляцией двойника против точного oracle на grid search.
Ключевые особенности
- Три адаптера:
adapter_v8_sft,adapter_v8_grpoиadapter_v8_sft_grpo. - Сравнение SFT, GRPO и связки SFT → GRPO с базовой моделью и rule-based политиками.
- Метрики:
gap_captured,regret,vs_thermostat,cost,viol,valid. - Лучший результат у SFT и SFT → GRPO: 75,5%
gap_captured,regret0,849. - GRPO от базовой модели слабее: 43,8%
gap_capturedиregret1,952.
Пример
Сценарий: на вход подаётся текстовое описание офисного 2R2C-двойника, модель должна выбрать почасовые уставки охлаждения. В таблице карточки вариант SFT then GRPO захватывает 75,5% разрыва до oracle и в 86% случаев лучше термостата 24 °C.
Подробнее
На 400 эпизодах SFT on oracle и SFT then GRPO дают 75,5% gap_captured, regret 0,849, better_pct 86%, worse_pct 4%, valid 100%.GRPO from base: gap_captured 43,8%, regret 1,952, better_pct 68%, worse_pct 28%.
База без тюнинга: gap_captured −173,5%, regret 9,490, valid 98%.
Результаты BOPTEST не включены: сервис был недоступен в этом запуске. Оценка только на симуляции двойника, без развёртывания в реальном здании.










Comments