SmooCT
Geen schatting
Geen hardware-eisen voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of uitgevoerd op je eigen hardware in welke grootte dan ook. Het is alleen bereikbaar via de aanbieder, en geen enkele grafische kaart verandert dat..
Op record
Volledige specificatie
Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..
Oorsprong
Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.
- Organisatie
- University College London (UCL)
- Organisatietype
- Academia
- Land
- United Kingdom of Great Britain and Northern Ireland
- Gepubliceerd
- 1 July 2014
- Auteurs
- Johannes Heinrich, David Silver
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Games
- Taak
- Poker
Grootte
Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.
- Training gegevens
- tokens
"Each three-player agentwas trained for about 12 billion episodes" An episode seems to be a round of betting.
Training rekenen
De berekeningen uitgevoerd om het model te trainen, gemeten in drijvende-komma-operaties. Het is een maat voor wat de trainingsrun kostte, niet voor hoe snel het voltooide model je beantwoordt.
- Training rekenen
- 6.9 × 10¹⁶ FLOP
- Hoe het werd opgericht
- 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
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Kloktijd
- 48 hours
Hoe het is geclassificeerd
Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Waarom het wordt gevolgd
- SOTA improvement
- Record vertrouwen
- Likely
- Citaties
- 16
First RL system to achieve superhuman level at Poker Limit Texas Hold Em
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Self-Play Monte-Carlo Tree Search in Computer Poker
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Waar het vandaan kwam
SmooCT werd gepubliceerd door University College London (UCL), in het land geregistreerd als United Kingdom of Great Britain and Northern Ireland, tijdens July 2014. De categorie waaronder de uitgever valt is academia.
Het werkt in het domein van Games, en wordt geregistreerd als het uitvoeren van de taak van poker.
De gewichten werden nooit gepubliceerd, dus het kan alleen worden bereikt via de provider. Geen enkele GPU verandert dat.
Hoe het getraind werd
De training run verbruikte ongeveer 6.9 × 10¹⁶ FLOP. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
Het wordt gevolgd in de onderliggende dataset om één specifieke reden: sOTA improvement.
Antwoorden
SmooCT — veelgestelde vragen
SmooCT— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 6.9 × 10¹⁶ FLOP. Dat meet wat het kosten om het model te produceren en zegt niets over hoe snel het antwoord geeft zodra het getraind is — inferentie snelheid komt van geheugenbandbreedte, niet van het trainingsbudget.
SmooCT— Welke GPU heb ik nodig om het te draaien?
Dit is een gesloten model — de gewichten zijn nooit gepubliceerd, dus het kan niet gedownload of uitgevoerd worden op je eigen hardware voor eender welke prijs. Het is alleen bereikbaar via de aanbieder.
SmooCT— is het open-source?
De licenties werden nooit vastgelegd in onze brondocumenten. We beschouwen niet-verklaarde licenties als gesloten, omdat een niet-vastgelegde licentie er geen is om op te vertrouwen.
SmooCT— hoeveel parameters heeft het?
Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.
SmooCT— wie heeft het gemaakt?
Het werd gepubliceerd door University College London (UCL), gebaseerd op United Kingdom of Great Britain and Northern Ireland, een organisatie geclassificeerd als academia.
SmooCT— wanneer is het uitgebracht?
Het werd gepubliceerd in July 2014. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
SmooCT— waarvoor wordt het gebruikt?
Het werkt in het domein van Games, en wordt geregistreerd als het afhandelen van poker. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.