FlyDurak

MaleCNS コネクトーム（165,122 ニューロン・有向エッジ 10,511,038 本）を符号付きで正規化した疎な再帰グラフに変換し、小さな意思決定 GRU・合法手マスク・actor/critic ヘッド・因数分解したシナプス利得と組み合わせて、2 人対戦のロシアのカードゲーム「ドゥラーク」を打たせる。ランダム・スクリプト・凍結方策・決定化探索の相手に対する強化学習で訓練し、その後に探索寄りの微調整を行った。1 コマンドで仮想環境の作成からコネクトーム構築と 374MiB のチェックポイント取得まで走る。README は探索的なデモであり、GRU・LSTM との多シード比較は未完了だと明記している。

公式サイト ↗

#card-game#durak#reinforcement-learning#gru#russian#malecns