MarkTechPost · 25.07.2026 ·Инфраструктура для агентов

Выпущен Open Dreamer: открытая реализация архитектуры Dreamer 4 на JAX

Исследовательская группа Reactor представила Open Dreamer — полноценную открытую реализацию конвейера мировых моделей Dreamer 4. Проект, написанный на JAX и Flax NNX, включает в себя все ключевые компоненты для обучения агентов, работающих с видеотокенизацией и латентной динамикой, что позволяет сообществу воспроизводить сложные архитектуры обучения с подкреплением в контролируемой среде.

Релиз включает два репозитория, охватывающих полный цикл обучения: от каузального видеотокенизатора до модели латентной динамики, обусловленной действиями (action-conditioned). Использование стека JAX обеспечивает высокую производительность при вычислениях, что критически важно для обучения моделей, предсказывающих развитие состояний среды в долгосрочной перспективе. Публикация рецепта обучения дает исследователям инструмент для глубокого анализа того, как агенты строят внутренние репрезентации мира.

Данная реализация упрощает доступ к передовым методам обучения моделей мира, которые ранее были ограничены закрытыми проприетарными разработками. Наличие готовых инструментов для генерации роллаутов и оценки качества через FVD (Frechet Video Distance) позволяет стандартизировать процесс тестирования новых алгоритмов принятия решений и планирования в агентных системах.

Ключевые факты

Проект реализован на базе фреймворков JAX и Flax NNX.
В состав репозитория входят каузальный видеотокенизатор и модель латентной динамики.
Реализованы инструменты для генерации роллаутов и метрики FVD для оценки качества генерации.
Релиз включает полный рецепт обучения, обеспечивающий воспроизводимость результатов.
Разработчиком выступила исследовательская группа Reactor.

Источник: MarkTechPost

Обсудить с ИИ

Похожие материалы

Hacker News · Инфраструктура для агентов DreamX-World 1.0: интерактивная модель мира для агентов Исследователи представили DreamX-World 1.0 — модель мира, предназначенную для использования в системах ИИ-агентов. Она позволяет создавать интерактивные среды, где агенты могут взаимодействовать с объектами и выполнять задачи в виртуальном пространстве. Hacker News · Инференс и железо Релиз Apex-1-flash: 4B LLM, оптимизированная для обучения на RTX 5070 Команда OrbitAI представила Apex-1-flash — компактную языковую модель с 4 миллиардами параметров. Ключевой особенностью релиза стала оптимизация процесса дообучения (fine-tuning) под потребительское железо нового поколения, в частности видеокарту RTX 5070. Модель демонстрирует высокую эффективность в задачах инференса, сохраняя при этом баланс между производительностью и требованиями к видеопамяти для локального запуска. arXiv · Модели и релизы Представлена DreamForge-World 0.1: легковесная модель мира для интерактивных симуляций Исследователи представили DreamForge-World 0.1 Preview — фундаментальную модель мира, предназначенную для интерактивной симуляции в реальном времени. В отличие от крупномасштабных аналогов, система оптимизирована для работы на устройствах с ограниченными вычислительными ресурсами. Архитектура базируется на стеке LongLive 1 и модели Wan2.1-T2V-1.3B, дополненных механизмом обработки действий, заимствованным из игровых симуляторов. Hacker News · Обучение и дообучение Разработка цикла обучения LLM на базе JAX Автор детально описывает процесс создания низкоуровневого цикла обучения для большой языковой модели с использованием фреймворка JAX. В материале разбираются ключевые аспекты настройки вычислительного графа, управления состоянием модели и оптимизации параллельных вычислений, что позволяет эффективно масштабировать процесс обучения на кластерах GPU или TPU, обеспечивая высокую производительность при работе с архитектурой трансформеров. GitHub · Оркестрация агентов Qwen-AgentWorld: новая среда для обучения языковых моделей агентным навыкам Команда Qwen представила Qwen-AgentWorld — открытую среду для обучения и оценки языковых моделей в задачах, требующих агентного поведения. Проект фокусируется на развитии навыков планирования, использования инструментов и взаимодействия с динамической средой. Система предоставляет стандартизированный фреймворк для тестирования способности моделей решать многошаговые задачи, имитируя реальные сценарии работы ИИ-агентов в условиях неопределенности. arXiv · Инфраструктура для агентов JoyNexus: оптимизация дообучения VLA-моделей в мультиарендной среде Исследователи представили JoyNexus — сервис-ориентированную платформу для эффективного дообучения Vision-Language-Action (VLA) моделей. В отличие от традиционных подходов, требующих выделения эксклюзивных GPU-ресурсов под каждого пользователя, JoyNexus внедряет мультиарендную архитектуру. Это позволяет динамически распределять вычислительные мощности между различными задачами робототехники, значительно снижая затраты на обучение и повышая утилизацию оборудования в гетерогенных средах. arXiv · Инфраструктура для агентов OpenForgeRL: новый подход к сквозному обучению ИИ-агентов Исследователи представили OpenForgeRL — фреймворк для сквозного обучения ИИ-агентов, работающих в сложных средах с использованием внешних инструментов. Решение позволяет интегрировать современные агентные обвязки (harnesses) непосредственно в пайплайны обучения с подкреплением (RL) и дообучения (SFT), устраняя разрыв между сложной логикой вывода и процессами оптимизации моделей, что ранее было технически затруднительно. Hugging Face - Blog · Обучение и дообучение OpenEnv: открытая платформа для обучения агентов через RL Команда Hugging Face анонсировала OpenEnv — открытую платформу для обучения ИИ-агентов с использованием подхода Reinforcement Learning (RL). Платформа предоставляет набор инструментов и инфраструктуру для создания, тестирования и развертывания агентов, способных взаимодействовать с окружающей средой и учиться на основе обратной связи. arXiv · Исследования и наука Анализ эффективности мировых моделей в задачах обучения с подкреплением Исследователи проанализировали пять ведущих мировых моделей (world models) в среде Atari Pong: DreamerV3, DIAMOND, TWISTER, Simulus и STORM. Авторы работы сфокусировались на оценке самих моделей в изоляции, а не как частей систем обучения с подкреплением. Результаты показывают, что текущие архитектуры часто демонстрируют разрыв между качеством предсказания визуальных состояний и итоговой эффективностью агента в игре. Hacker News · Инфраструктура для агентов Open Record & Replay: обучение ИИ-агентов через демонстрацию действий на рабочем столе Проект Open Record & Replay предлагает новый подход к обучению ИИ-агентов, позволяя записывать действия пользователя на рабочем столе и преобразовывать их в воспроизводимые сценарии. Инструмент фиксирует последовательность кликов, нажатий клавиш и визуальных изменений, создавая структурированные данные для автоматизации сложных рабочих процессов, которые ранее требовали ручного управления или написания специфических скриптов.

← Все материалы