Современная генерация кода Luau посредством обучения с подкреплением после обучения. Усовершенствованная версия Luau-Devstral-24B-Instruct-v0.1, улучшенная с помощью Dr. GRPO (Zichen Liu et al., 2025), обеспечивающая превосходные возможности программирования Luau для разработки Roblox. Эта модель представляет собой значительный прогресс в создании специализированного кода для Luau, основанный на непрерывном предварительном обучении с целевым обучением с подкреплением для достижения исключительного качества кода. Ключевые достижения: — Современное форматирование кода и производительность линтинга — Минимальные проблемы с проверкой типов при строгом соблюдении режима — Краткие, прямые ответы без ненужной многословности — Надежные возможности решения сложных задач Luau — Разработчик: Зак Уильямс (лодочный бомбардировщик) — Спонсор: Torpedo Software LLC — Базовая модель: Luau-Devstral-24B-Instruct-v0.1 — Метод обучения: доктор GRPO (группа) Относительная оптимизация политики) Оценивалось на тестовом разделе TorpedoSoftware/LuauLeetcode, содержащем 226 задач, с усреднением результатов по 3 запускам на каждую задачу. Базовые модели: — Devstral-Small-2507 — Luau-Devstral-24B-Instruct-v0.1 Конкурентные тесты: — Qwen3-Coder-30B-A3B-Instruct — gpt-oss-20b (низкая аргументация) — GPT-5…
Модальности:
Генерация текста
Области применения:
Генерация кода Диалог / чат Следование инструкциям
Задача: Генерация текста
Автор: TorpedoSoftware
Теги: gguf, mistral, roblox, luau, code, grpo, trl, unsloth
Лайков: 5 | Загрузок: 786
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
