24小时后训练 Qwen3.6-35B 摘得黑客松德州扑克赛道冠军
rhythmrg · x · 2026-11-16
在 ValsAI × Applied Compute 黑客松的 PokerBench 赛道上,Nanda Velaga 团队在 24 小时内用 10 块 B200 GPU 对 Qwen3.6-35B-A3B 做后训练,让它学会打 6 人桌无限注德州扑克,最终击败所有对手,赢得 pockerbot 赛道冠军和 7500 美元奖金。
主办方 Applied Compute 指出,扑克是困难的后训练问题:多玩家、隐藏信息、胜负要在长局结束时才体现,且时间只有 24 小时。图片为团队领奖合影。
「编程与Agent」频道最新
- GitHub 藏着 10 套免费开源课程,从零学会搭 AI 智能体 — victor_explore · 2026-11-16
- 10 个开源仓库拼出一人 AI 内容工厂,OpenCreator 星标破 1.3 万 — nikola_mr64990 · 2026-11-16
- 装一套 AI 系统拿下 4.15 万美元首单,转介绍成唯一获客渠道 — aryanXmahajan · 2026-11-16
- H3 Continuity Studio 1.0 发布:ComfyUI 开源长视频连续性工作流 — rambrogi · 2026-11-16
- Google 工程师 rakyll 自述:职业倦怠中孵化出 Agent Substrate — rakyll · 2026-11-16
- 开发者给 Hermes Agent 做 AutoRAG 插件,全盘搜索聊天记录和文件找回前任照片 — Teknium · 2026-11-16