SmooCT
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- University College London (UCL)
- Tipo de Organización
- Academia
- País
- United Kingdom of Great Britain and Northern Ireland
- Publicado
- 1 July 2014
- Autores
- Johannes Heinrich, David Silver
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Games
- Tarea
- Poker
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Datos de entrenamiento
- tokens
"Each three-player agentwas trained for about 12 billion episodes" An episode seems to be a round of betting.
Cómputo de entrenamiento
La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de qué tan rápido te responde el modelo terminado.
- Cómputo de entrenamiento
- 6.9 × 10¹⁶ FLOP
- Cómo se estableció
- 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
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Tiempo de reloj
- 48 hours
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Por qué se rastrea
- SOTA improvement
- Confianza de registro
- Likely
- Citas
- 16
First RL system to achieve superhuman level at Poker Limit Texas Hold Em
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Self-Play Monte-Carlo Tree Search in Computer Poker
- Última actualización
- 28 November 2025
Qué significan los números
De dónde vino
SmooCT fue publicado por University College London (UCL), en el país registrado como United Kingdom of Great Britain and Northern Ireland, durante July 2014. La categoría en la que se encuentra el editor es academia.
Funciona en el dominio de Games, y se registra como realizando la tarea de poker.
Sus pesos nunca fueron publicados, por lo que solo se puede acceder a través de su proveedor. No hay cambios en la tarjeta gráfica que eso.
Cómo fue entrenado
El entrenamiento consumió alrededor de 6.9 × 10¹⁶ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Se rastrea en el conjunto de datos subyacente por una razón en particular: sOTA improvement.
Respuestas
SmooCT — preguntas comunes
SmooCT— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 6.9 × 10¹⁶ FLOP. Eso mide cuánto costó producir el modelo y no dice nada sobre cuán rápido responde una vez entrenado — la velocidad de inferencia proviene del ancho de banda de memoria, no del presupuesto de entrenamiento.
SmooCT— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
SmooCT— ¿Es de código abierto?
La licencia nunca fue registrada en nuestros datos fuente. Tratamos las licencias no declaradas como cerradas, porque una licencia no registrada no es una en la que confiar.
SmooCT— ¿cuántos parámetros tiene?
No se ha publicado el conteo de parámetros para él, por lo que no aparece ninguna cifra de memoria o velocidad en esta página.
SmooCT— ¿Quién lo creó?
Fue publicado por University College London (UCL), basado en United Kingdom of Great Britain and Northern Ireland, una organización categorizada como academia.
SmooCT— ¿cuándo fue lanzado?
Se publicó en July 2014. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
SmooCT— ¿Para qué se utiliza?
Funciona en el dominio de Games, y se registra como manejando la tarea de poker. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.