Punish/Reward
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
- IEEE
- Typ organizace
- Industry
- Země
- Multinational
- Publikováno
- 1 September 1973
- Autoři
- Widrow, Gupta, and Maitra
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Games
- Úkol
- Blackjack
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 0K
- Výcviková data
- tokens
Fig. 1 shows that there is a bias term, while Fig. 5 shows that the input is a sequence of 20 bits, corresponding to 20 weights. So the total number of parameters is 21.
??? Seemingly no info
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Citace
- 397
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Punish/Reward: Learning with a Critic in Adaptive Threshold Systems
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Odkud to přišlo
Punish/Reward byl zveřejněn IEEE, v zemi zaznamenané jako Multinational, během September 1973. Vychází z organizace, která je kategorizována jako industry.
funguje v oblasti Games, a je zaznamenán jako vykonávající úkol blackjack.
Jeho váhy nikdy nebyly zveřejněny, takže k němu lze přistupovat pouze prostřednictvím jeho poskytovatele. Žádná změna grafické karty to nezmění.
Odpovědi
Punish/Reward — běžné otázky
Punish/Reward— K čemu se to používá?
funguje v oblasti Games, a je zaznamenáno jako zpracovávající úkol blackjack. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.
Punish/Reward— 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.
Punish/Reward— 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.
Punish/Reward— kolik má parametrů?
Má počet parametrů 0K. Fig. 1 shows that there is a bias term, while Fig. 5 shows that the input is a sequence of 20 bits, corresponding to 20 weights. So the total number of parameters is 21. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
Punish/Reward— Kdo to vytvořil?
Bylo to publikováno společností IEEE, zakládající se na Multinational, organizace zařazená jako industry.
Punish/Reward— Kdy byl vydán?
Bylo to zveřejněno v September 1973. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
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.