TD-Gammon
Aucune estimation
Aucune exigence matérielle pour ce modèle
Les poids de ce modèle n'ont pas été publiés, donc il ne peut pas être téléchargé ou exécuté sur votre propre matériel à aucune taille. Il n'est accessible que par l'intermédiaire de son fournisseur, et aucun changement de carte graphique ne modifie cela..
Enregistrement
Spécifications complètes
Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour juger combien de travail a été investi, et comment il se compare avec des modèles construits à une échelle différente..
Origine
Qui a construit ce modèle, où, et quand il a été publié.
- Organisation
- IBM
- Type d'organisation
- Industry
- Pays
- United States of America
- Publié
- 1 May 1992
- Auteurs
- G Tesauro
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Games
- Tâche
- Backgammon
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui décide s'il convient à une carte graphique donnée.
- paramètres
- 25K
- Données d'entraînement
- 6,300,000 tokens
"The best performance was obtained with a network containing 80 hidden units and over 25,000 weights."
"This network was trained for over 300,000 training games" Each backgammon game has an avg of around 21 movements https://www.bkgm.com/rgb/rgb.cgi?view+712
Calcul de formation
L'arithmétique effectuée pour entraîner le modèle, mesurée en opérations en virgule flottante. C'est une mesure du coût de l'exécution de l'entraînement, pas de la rapidité avec laquelle le modèle fini vous répond.
- Calcul de formation
- 1.8 × 10¹³ FLOP
- Comment cela a été établi
- Third-party estimation,Operation counting,Hardware
Extracted from AI and Compute (https://openai.com/blog/ai-and-compute/) charts by using https://automeris.io/WebPlotDigitizer/. OpenAI estimate: 1.8e13 Hardware estimate (likely overestimates due to simulation effort) "on an IBM RS/6000 workstation, the smallest network was trained in several hours, while the largest net required two weeks of simulation time." IBM RS/6000 achieves 1.5 GFLOPS on Linpack (https://link.springer.com/rwe/10.1007/978-0-387-09766-4_232) 14*24*60*60*0.5*1500000000=9.…
Comment il est classé
Étiquettes que le ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.
- Modèle Frontier
- Yes
- Pourquoi c'est suivi
- Highly cited,Historical significance
- Confiance d'enregistrement
- Speculative
- Citations
- 1,344
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Practical Issues in Temporal Difference Learning
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
Contexte
TD-Gammon a été publié par IBM, dans le pays enregistré comme United States of America, durant May 1992. La catégorie à laquelle appartient l'éditeur est industry.
Il fonctionne dans le domaine de Games, et est enregistré comme exécutant la tâche de backgammon.
C'est un modèle fermé : les valeurs entraînées sont restées avec ceux qui les ont produites, et il n'y a pas de version locale à exécuter.
Entraînement et provenance
La production a nécessité des calculs totalisant environ 1.8 × 10¹³ FLOP. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
L'entraînement a consommé un corpus d'environ 6,300,000 jetons de texte
La raison pour laquelle il apparaît dans ce catalogue. highly cited,Historical significance.
Réponses
TD-Gammon — questions courantes
TD-Gammon— à quoi ça sert ?
Il fonctionne dans le domaine de Games, et est enregistré comme gérant la tâche de backgammon. Un modèle peut porter plusieurs de chacun, donc ce sont les domaines pour lesquels il a été conçu plutôt qu'une limite sur ce qu'il tentera.
TD-Gammon— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 1.8 × 10¹³ FLOP. Cela mesure ce que coûte la production du modèle et ne dit rien sur la rapidité avec laquelle il répond une fois entraîné — la vitesse d'inférence provient de la bande passante mémoire, et non du budget d'entraînement.
TD-Gammon— Quelle GPU ai-je besoin pour l'exécuter ?
Aucun. C'est un modèle fermé - ses poids n'ont jamais été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel à aucun prix. Il n'est accessible que par son fournisseur.
TD-Gammon— est-ce que c'est open source ?
La licence n'a jamais été enregistrée dans nos données source. Nous considérons une licence non déclarée comme fermée, car une licence non enregistrée n'est pas une licence sur laquelle compter.
TD-Gammon— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 25K. "The best performance was obtained with a network containing 80 hidden units and over 25,000 weights.". Ce chiffre est le total, et c'est ce qui détermine combien de mémoire le modèle nécessite — environ un demi-gigaoctet par milliard à la compression que la plupart des gens utilisent.
TD-Gammon— qui l'a créé ?
Il a été publié par IBM, basé sur United States of America, une organisation catégorisée comme industry.
TD-Gammon— quand a-t-il été publié ?
Il a été publié dans May 1992. La capacité par paramètre s'est considérablement améliorée depuis, donc un modèle plus récent de la même taille est souvent le meilleur usage du même matériel.
L'autre direction
Regardez-le de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.