WARC là một Transformer thị giác có điều kiện hành động với 35M tham số: đầu vào là ba khung hình gần nhất của màn hình trò chơi với kích thước 64×64 và 16 màu cùng với hành động, dự đoán khung hình tiếp theo theo từng ô; mỗi khi tác nhân quan sát thấy một sự thay đổi trạng thái, nó thực hiện 20 bước cập nhật gradient trên tất cả các tham số bằng cách sử dụng chuyển đổi gần nhất. Các tác giả tuyên bố rằng sau khi được huấn luyện trước trên các bản ghi chơi của con người, đối với các trò chơi chưa từng thấy, bốn trong năm cơ chế có thể đạt độ chính xác dự đoán ít nhất 80% trên các ô thay đổi. Kho lưu trữ cung cấp bốn điểm kiểm tra, ba điểm được phân chia theo các trò chơi bị giữ lại, và một điểm được huấn luyện trên toàn bộ 25 trò chơi.
Tại sao quan trọng Minh họa cách các mô hình nhỏ nhanh chóng nắm bắt các cơ chế trò chơi xa lạ thông qua huấn luyện tại thời điểm kiểm tra, các trọng số được công khai theo giấy phép CC0, cho phép nghiên cứu tái sử dụng trực tiếp.
Thích bằng biểu tượng ôm mặt 2 · Tăng điểm bằng biểu tượng ôm mặt 2 · Tải xuống bằng biểu tượng ôm mặt 0
Giấy phép: Có thể sử dụng thương mại · ComfyUI: Chưa có · VRAM: Không ghi rõ yêu cầu VRAM
Lý do
- Giấy phép CC0, mã nguồn công khai trên GitHub, mỗi điểm kiểm tra đi kèm cấu hình huấn luyện, độ chính xác xác minh theo từng vòng và danh sách SHA-256
Cách sử dụng
- Nhân bản kho lưu trữ GitHub, cài đặt torch 2.7.0 và các phụ thuộc theo README, sử dụng lệnh hf download third-intelligence/WARC để tải các điểm kiểm tra, sau đó gọi build_from_checkpoint để dự đoán khung hình tiếp theo
Rủi ro
- Chỉ áp dụng cho các trò chơi dạng lưới theo phong cách ARC-AGI-3, thuộc phạm vi nghiên cứu
- Yêu cầu card đồ họa CUDA, thẻ mô hình không ghi rõ yêu cầu VRAM