LINK-01

Это LoRA-адаптер на базе Qwen/Qwen3.5-0.8B для LINK-01: он читает состояние робота — цель, направление, датчики расстояния, скорость и предыдущий выбор — и выбирает, как идти следующие 0,5 секунды. Автор — yegom (Sehyun Park), проект CONNECT AI LAB × AI CITY BUILDERS; обучение сочетает PPO-«учителя» и языковую модель.

🔍 Ключевые особенности

• ⚡ База Qwen3.5-0.8B и LoRA через PEFT; задача — reinforcement-learning.
• 🔄 Сначала языковая модель учится повторять ответы PPO-«мозга» (brain.json), затем ответы уточняются RL с KL-ограничением.
• 📌 Вход — текстовое состояние и варианты, выход — ровно одна буква без объяснений.
• 📊 Данные: 1217 примеров train, 238 valid, 396 test; верхняя граница точности из-за перевода наблюдений в текст — 99%.
• ⚠ Это симулятор и образовательный сценарий: перед реальным роботом нужна повторная проверка.
• 🖥 В карточке есть Colab и код CONNECT TYCOON.

💻 Пример

from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel
base = 'Qwen/Qwen3.5-0.8B'
tok = AutoTokenizer.from_pretrained(base)
model = PeftModel.from_pretrained(
    AutoModelForCausalLM.from_pretrained(base),
    'yegom/connectailab-rl-yegomne-v5-link01'
)