WARC 是 35M 参数的动作条件视觉 Transformer:输入最近三帧 64×64、16 色的游戏画面和动作,逐格预测下一帧;智能体每观察到一次状态变化,就用最近的转移做 20 步梯度更新全部参数。作者称在人类游玩录像上预训练后,对没见过的游戏,五种机制里有四种能在变化格子上达到至少 80% 的预测准确率。仓库提供四个检查点,三个按留出游戏划分,一个用全部 25 个游戏训练。
为什么重要 展示了小模型靠测试时训练快速掌握陌生游戏机制的做法,权重以 CC0 公开,研究可直接复用。
抱脸点赞 2 · 抱脸上升分 2 · 抱脸下载 0
许可证:可商用 · ComfyUI:暂无 · 显存:显存未标
理由
- CC0 许可,代码在 GitHub 公开,每个检查点附训练配置、逐轮验证准确率和 SHA-256 清单
用法
- 克隆 GitHub 仓库,按 README 装 torch 2.7.0 和依赖,用 hf download third-intelligence/WARC 下载检查点后调用 build_from_checkpoint 预测下一帧
风险
- 只适用于 ARC-AGI-3 风格的网格游戏,属于研究用途
- 需要 CUDA 显卡,模型卡没写显存需求