Отворен процес обучава кодиращ модел да рисува акварели
Отворена реализация изследва дали подсилващото обучение може да научи езиков модел да създава картини в акварелен стил. Проектът, описан от Серджо Паниего, следва по-ранна работа на Сурия Нареди, при която модел пише JavaScript с p5.brush — библиотека, симулираща разтичане на пигмента, текстура на хартията и движение на четката. Видеото на Нареди е имало над 1.5M гледания към момента на написването на статията.
Реализацията използва TRL и OpenEnv и публикува набора от референтни изображения, средата, скриптовете за обучение и моделите. Моделът може да използва само десет метода на p5.brush, а проверка отхвърля скици, които не се компилират, не оставят пигмент, използват директни извиквания към p5 или се опитват да заблудят оценяващата система. Наградата съчетава проверки за валидност и дължина с HPSv3 и двойков оценяващ модел — Qwen3-VL-30B-A3B-Instruct.
Референтният набор съдържа 178 генерирани от модели картини, оценени от Паниего в две категории предпочитание. Те са създадени по снимки на хибискуси от GLM-5.2, Kimi-K3, Qwen3-Coder-Next и Qwen3.5-122B-A10B. Три обучения проверяват различно съотношение между двата сигнала за предпочитание; според статията и трите с двойковия оценяващ модел са се обучили.
Текстът е изготвен от ИИ на Sakhanda Wire по материал на Hugging Face. Фактите, цитатите и пълният контекст са в оригиналната статия по-долу.