---
title: Agent-OpenWAM-RoboDojo-Cursor-14x8
canonical_url: "https://www.modelscope.cn/models/bbhua112/Agent-OpenWAM-RoboDojo-Cursor-14x8"
md_url: "https://www.modelscope.cn/models/bbhua112/Agent-OpenWAM-RoboDojo-Cursor-14x8.md"
repository: bbhua112/Agent-OpenWAM-RoboDojo-Cursor-14x8
last_updated: 2026-09-17
license: apache-2.0
parameters: 111.7B
tensor_type:
  - BF16
library_name:
  - safetensors
  - pytorch
frameworks:
  - pytorch
downloads: 45
stars: 0
tags:
  - robotics
  - openwam
  - robodojo
  - cursor-following
---

# Agent-OpenWAM-RoboDojo-Cursor-14x8

> Agent-OpenWAM-RoboDojo-Cursor-14x8 - bbhua112 在 ModelScope 开源的模型。Agent OpenWAM RoboDojo cursor RICL checkpoints, versioned by training step

bbhua112/Agent-OpenWAM-RoboDojo-Cursor-14x8 是 ModelScope 魔搭社区上的 111.7B 参数机器学习模型，采用 apache-2.0 许可。

- **Repository**: bbhua112/Agent-OpenWAM-RoboDojo-Cursor-14x8
- **License**: apache-2.0
- **Parameters**: 111.7B
- **Tags**: robotics, openwam, robodojo, cursor-following
- **Downloads**: 45
- **Stars**: 0
- **Last updated**: 2026-09-17

Source: https://www.modelscope.cn/models/bbhua112/Agent-OpenWAM-RoboDojo-Cursor-14x8

---

# Agent OpenWAM · RoboDojo Cursor

**最新已完成上传：step 58000，约 7.817 / 8 epoch。**

加载目录：`step_58000/`。机器可读指针：`LATEST.json`。

每个顶层 `step_XXXXX/` 是一个独立、固定的推理版本，包含推理权重、配置、归一化统计和 tokenizer。
请选择含 `READY.json` 的版本。`LATEST.json` 只在公开下载检查通过后更新；步数更高不代表已验证跑分更好。

| 训练 step | Epoch | 目录 | 发布状态 |
| --- | --- | --- | --- |
| 58000 | 7.817 / 8 | `step_58000/` | 已完成，匿名可下载 |
| 56000 | 7.547 / 8 | `step_56000/` | 已完成，匿名可下载 |
| 52000 | 7.008 / 8 | `step_52000/` | 已完成，匿名可下载 |
| 48000 | 6.469 / 8 | `step_48000/` | 已完成，匿名可下载 |
| 44000 | 5.930 / 8 | `step_44000/` | 已完成，匿名可下载 |
| 42000 | 5.660 / 8 | `step_42000/` | 已完成，匿名可下载 |
| 40000 | 5.391 / 8 | `step_40000/` | 已完成，匿名可下载 |
| 38000 | 5.121 / 8 | `step_38000/` | 已完成，匿名可下载 |
| 34000 | 4.582 / 8 | `step_34000/` | 已完成，匿名可下载 |

## 下载最新发布版本（固定此次 step）

```bash
modelscope download bbhua112/Agent-OpenWAM-RoboDojo-Cursor-14x8 --include "step_58000/*" --local-dir ./agent-openwam
```

后续加载 `./agent-openwam/step_58000`。

## 模型说明

OpenWAM Alpha foundation 上的 RoboDojo cursor/subtask 后训练；112 GPUs、每卡 2 对正负样本、梯度累积 1、有效 batch 224。
训练使用 first_frame_only 和 RICL 正负对比损失；目标 8 epoch / 59,360 次更新。
仅发布推理所需文件；数据集、优化器状态和训练日志不在此仓库。训练集误差不等同于真实任务成功率。
当前数据表示为 RoboDojo sim / arx_x5 / EEF20，推理时需要对应环境控制桥。

来源：https://github.com/OpenWAM-Official/OpenWAM