SmooCT
Brak oszacowania
Brak wymagań sprzętowych dla tego modelu
Wagi dla tego modelu nie zostały opublikowane, więc nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny tylko za pośrednictwem swojego dostawcy, a zmiana karty graficznej tego nie zmienia..
Na nagranie
Pełna specyfikacja
Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- University College London (UCL)
- Typ organizacji
- Academia
- Kraj
- United Kingdom of Great Britain and Northern Ireland
- Opublikowany
- 1 July 2014
- Autorzy
- Johannes Heinrich, David Silver
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Games
- Zadanie
- Poker
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- Dane treningowe
- tokens
"Each three-player agentwas trained for about 12 billion episodes" An episode seems to be a round of betting.
Obliczenia treningowe
Arytmetyka wykonywana w celu wytrenowania modelu, mierzona w operacjach zmiennoprzecinkowych. Jest to miara kosztów przeprowadzenia treningu, a nie tego, jak szybko gotowy model odpowiada na twoje pytania.
- Obliczenia treningowe
- 6.9 × 10¹⁶ FLOP
- Jak to zostało ustalone
- 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
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Czas rzeczywisty
- 48 hours
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Dlaczego to jest śledzone
- SOTA improvement
- Zapisz pewność
- Likely
- Cytaty
- 16
First RL system to achieve superhuman level at Poker Limit Texas Hold Em
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Self-Play Monte-Carlo Tree Search in Computer Poker
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Skąd to pochodzi
SmooCT został opublikowany przez University College London (UCL), w kraju zapisanym jako United Kingdom of Great Britain and Northern Ireland, podczas July 2014. Kategoria, do której należy wydawca, to academia.
Działa w dziedzinie Games, i jest zapisany jako wykonujący zadanie poker.
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.
Jak to zostało wytrenowane
Trening zajmował około 6.9 × 10¹⁶ FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Jest śledzone w podstawowym zbiorze danych z jednego szczególnego powodu: sOTA improvement.
Odpowiedzi
SmooCT — częste pytania
SmooCT— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 6.9 × 10¹⁶ FLOP. To mierzy, ile kosztowało wyprodukowanie modelu i nie mówi nic o tym, jak szybko odpowiada po wytrenowaniu — prędkość wnioskowania pochodzi z SZEROKOŚCI PASMA, a nie z budżetu treningowego.
SmooCT— Jaką GPU potrzebuję, aby ją uruchomić?
Żaden. To jest zamknięty model — jego wagi nigdy nie zostały opublikowane, więc nie można go pobrać ani uruchomić na własnym sprzęcie za żadną cenę. Jest dostępny tylko przez jego dostawcę.
SmooCT— czy jest open weight?
Licencja nigdy nie została zarejestrowana w naszych danych źródłowych. Traktujemy niewskazaną licencję jako zamkniętą, ponieważ niezarejestrowana licencja nie jest na którą można polegać.
SmooCT— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
SmooCT— kto to stworzył?
Zostało opublikowane przez University College London (UCL), oparty na United Kingdom of Great Britain and Northern Ireland, organizacja sklasyfikowana jako academia.
SmooCT— kiedy to zostało wydane?
Zostało opublikowane w July 2014. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
SmooCT— do czego to służy?
Działa w dziedzinie Games, i jest zarejestrowany jako realizujący zadanie poker. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
Druga strona
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.