SmooCT
Žádný odhad
Žádné hardwarové požadavky pro tento model
Hmotnosti pro tento model nebyly zveřejněny, takže jej nelze stáhnout ani spustit na vlastním hardwaru v žádné velikosti. Je dostupný pouze prostřednictvím svého poskytovatele, a žádná změna grafické karty to nezmění..
Na záznamu
Plná specifikace
Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..
Původ
Kdo vytvořil tento model, kde a kdy byl publikován.
- Organizace
- University College London (UCL)
- Typ organizace
- Academia
- Země
- United Kingdom of Great Britain and Northern Ireland
- Publikováno
- 1 July 2014
- Autoři
- Johannes Heinrich, David Silver
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Games
- Úkol
- Poker
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- Výcviková data
- tokens
"Each three-player agentwas trained for about 12 billion episodes" An episode seems to be a round of betting.
Výpočty pro trénink
Aritmetika prováděná k trénování modelu, měřená v operacích s plovoucí desetinnou čárkou. Je to měřítko toho, kolik stál tréninkový běh, ne jak rychle hotový model na vás odpovídá.
- Výpočty pro trénink
- 6.9 × 10¹⁶ FLOP
- Jak bylo ustanoveno
- Hardware
"Each three-player agent was trained for about 12 billion episodes, requiring about 48 hours of training time [...] on a modern computer without using parallelization" Assume an Intel i7 so 400e9 FLOP/s. 6.9e16 = 400e9*60*60*48
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Doba reálného času
- 48 hours
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Proč je to sledováno
- SOTA improvement
- Záznam důvěry
- Likely
- Citace
- 16
First RL system to achieve superhuman level at Poker Limit Texas Hold Em
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Self-Play Monte-Carlo Tree Search in Computer Poker
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Odkud to přišlo
SmooCT byl zveřejněn University College London (UCL), v zemi zaznamenané jako United Kingdom of Great Britain and Northern Ireland, během July 2014. Kategorie, do které vydavatel spadá, je academia.
funguje v oblasti Games, a je zaznamenán jako vykonávající úkol poker.
Jeho váhy nikdy nebyly zveřejněny, takže k němu lze přistupovat pouze prostřednictvím jeho poskytovatele. Žádná změna grafické karty to nezmění.
Jak bylo trénováno
Trenovací běh spotřeboval asi 6.9 × 10¹⁶ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Je sledováno v základním datasetu z jednoho konkrétního důvodu: sOTA improvement.
Odpovědi
SmooCT — běžné otázky
SmooCT— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 6.9 × 10¹⁶ FLOP. To měří, co stálo výrobu modelu, a neříká nic o tom, jak rychle odpovídá po natrénování — rychlost inferencí závisí na šířce pásma paměti, nikoli na rozpočtu na trénink.
SmooCT— Jakou GPU potřebuji k jejímu spuštění?
Žádné. Toto je uzavřený model — jeho váhy nikdy nebyly zveřejněny, takže jej nelze stáhnout nebo spustit na vlastním hardwaru za žádnou cenu. Je dostupný pouze prostřednictvím jeho poskytovatele.
SmooCT— Je to OPEN SOURCE?
Licencování nikdy nebylo zaznamenáno v našich zdrojových datech. Neuváděné licencování považujeme za uzavřené, protože nezaznamenaná licence není na kterou by se dalo spoléhat.
SmooCT— kolik má parametrů?
Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.
SmooCT— Kdo to vytvořil?
Bylo to publikováno společností University College London (UCL), zakládající se na United Kingdom of Great Britain and Northern Ireland, organizace zařazená jako academia.
SmooCT— Kdy byl vydán?
Bylo to zveřejněno v July 2014. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
SmooCT— K čemu se to používá?
funguje v oblasti Games, a je zaznamenáno jako zpracovávající úkol poker. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
Druhý směr
Díváte se na to z druhé strany?
Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.