К содержимому
Другое

Canyon Racer LFM2.5-230M

языковая модель, которая играет в аркаду для Game Boy

2 мин чтенияобновлено

Чекпоинт с политикой для прохождения игры Canyon Racer (порт с Game Boy на C++), обученный методом обучения с подкреплением PPO (алгоритм оптимизации действий агента через награды и штрафы). В основе лежит компактная языковая модель LiquidAI/LFM2.5-230M с LoRA-адаптером (небольшой обучаемой надстройкой над весами). Вместо стандартной генерации текста модель получает текстовое описание экрана — координаты корабля, стены каньона и препятствия — и выдаёт одно из семи игровых действий. Пригодится разработчикам, изучающим применение компактных LLM в качестве игровых агентов и связку RL с инференсом через GGUF.

Ключевые особенности

  • Нестандартный инференс: модель не просто берёт самый вероятный следующий токен, а суммирует вероятности всех словарных вариантов каждого действия и прибавляет обученный вектор смещения (action_prior).
  • Компактная база: построена на LFM2.5-230M с LoRA (rank 8, alpha 16, 164 тензора на все линейные слои), что позволяет запускать агента даже на слабом железе.
  • Обучение на реальном порте игры: тренировка шла методом PPO на протяжении 360 итераций (737 280 решений в 64 параллельных средах) с наградой за очки и штрафом за столкновения.
  • Сырой PyTorch-чекпоинт: файл policy_latest.pt содержит веса LoRA, value_head для оценки состояний, системный промпт и гиперпараметры.

Что можно сделать

  • Влить LoRA-веса в базовую модель LFM2.5-230M с помощью PEFT и сконвертировать полученный чекпоинт в формат GGUF (Q8_0) для запуска через llama.cpp.
  • Использовать чекпоинт вместе с value_head для продолжения обучения агента в C++-среде Canyon Racer.
  • Разобрать пайплайн перевода игрового состояния в текстовый промпт и агрегации вероятностей токенов как шаблон для своих RL-экспериментов с LLM.

Пример

import torch
from peft import LoraConfig, get_peft_model
from transformers import AutoModelForCausalLM

base = AutoModelForCausalLM.from_pretrained("LiquidAI/LFM2.5-230M", dtype=torch.float32)
model = get_peft_model(base, LoraConfig(r=8, lora_alpha=16, target_modules="all-linear", task_type="CAUSAL_LM"))
ckpt = torch.load("policy_latest.pt", map_location="cpu", weights_only=False)
model.load_state_dict({k[3:]: v for k, v in ckpt["state_dict"].items() if k.startswith("lm.") and "lora_" in k}, strict=False)
ПодробнееОценка на 368-й итерации: в среднем 1410 кадров выживания, максимальный счёт — 162 (лучший результат за время тестов — 420), доля невалидных токенов — 0.020.
На сиде 1011 (120 решений) и PyTorch-чекпоинт, и квантованная версия GGUF Q8_0 набирают одинаковые 480 кадров и 50 очков.
Лицензия производная от порта игры: CC-BY-NC-SA 4.0 (только некоммерческое использование).
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.4 GB · готовые файлы1.0 GB
  • FP8 / INT8рекомендуемвеса 0.2 GB0.7 GB
  • 4-bitвеса 0.1 GB0.6 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Это LoRA: вместе с базовой моделью LFM2.5-230M.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # aldigobbler/canyon-racer-lfm2-230m-policy
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download LiquidAI/LFM2.5-230M --local-dir ~/models/LFM2.5-230M
    hf download aldigobbler/canyon-racer-lfm2-230m-policy --local-dir ~/models/canyon-racer-lfm2-230m-policy
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к LFM2.5-230M
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Нужна базовая модель

LiquidAI/LFM2.5-230M

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

  1. LFM2.5-230M-Baseоснова семьи
  2. LFM2.5-230M
  3. canyon-racer-lfm2-230m-policy

Новые посты про версии LFM2.5-230M-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 12Все на Hugging Face
LoRA и адаптеры 6Все на Hugging Face

О модели

aldigobbler/canyon-racer-lfm2-230m-policy
Автор
aldigobbler
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии