👨🎨 Кодовую модель научили рисовать акварелью: открытый рецепт от Hugging Face
Видео с акварелями, которые языковая модель нарисовала кодом на JavaScript, набрало более 1,5 млн просмотров. Автор идеи — художник Surya Narreddi: модель работает через библиотеку p5.brush, добавляющую в p5.js естественные инструменты рисования. Теперь Hugging Face воспроизвёл эксперимент в открытую, используя TRL и OpenEnv.
Секрет проекта — в ограничениях. Модель может применять только десять методов библиотеки и создаёт программу примерно из 150 строк кода на JavaScript. Каждый мазок буквально читается в коде: его можно отредактировать и перерисовать. Именно это отличает подход от «идеальных» картинок, которые обычно генерируют модели изображений.
Инженеры Hugging Face опубликовали полный пайплайн: набор эталонных изображений, RL-среду и модель-скоров в виде Spaces, обучение на Jobs и сравнение трёх вариантов функции награды. Для запуска достаточно одной команды: базовая модель Qwen3.5-35B-A3B обучается методом GRPO с LoRA. Все артефакты собраны в открытой коллекции на Hugging Face.
Практическая ценность — готовый пример того, как обучать кодовые модели через RL, когда «правильность» результата оценивает не набор тестов, а визуальное качество. Эксперимент также показывает, как ограничения превращают код в художественный инструмент.
#AI #HuggingFace #RL #TRL #OpenEnv #Media
Видео с акварелями, которые языковая модель нарисовала кодом на JavaScript, набрало более 1,5 млн просмотров. Автор идеи — художник Surya Narreddi: модель работает через библиотеку p5.brush, добавляющую в p5.js естественные инструменты рисования. Теперь Hugging Face воспроизвёл эксперимент в открытую, используя TRL и OpenEnv.
Секрет проекта — в ограничениях. Модель может применять только десять методов библиотеки и создаёт программу примерно из 150 строк кода на JavaScript. Каждый мазок буквально читается в коде: его можно отредактировать и перерисовать. Именно это отличает подход от «идеальных» картинок, которые обычно генерируют модели изображений.
Инженеры Hugging Face опубликовали полный пайплайн: набор эталонных изображений, RL-среду и модель-скоров в виде Spaces, обучение на Jobs и сравнение трёх вариантов функции награды. Для запуска достаточно одной команды: базовая модель Qwen3.5-35B-A3B обучается методом GRPO с LoRA. Все артефакты собраны в открытой коллекции на Hugging Face.
Практическая ценность — готовый пример того, как обучать кодовые модели через RL, когда «правильность» результата оценивает не набор тестов, а визуальное качество. Эксперимент также показывает, как ограничения превращают код в художественный инструмент.
#AI #HuggingFace #RL #TRL #OpenEnv #Media
⚡1🍾1