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。

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →