flypoker

neuPrint から取り出した MaleCNS v1.0 の部分グラフ（6,194 ニューロン）を固定のスパイキングネットワークとして回し、その上に小さなソフトマックス読み出しを載せてノーリミット・テキサスホールデムを打つ。ブラウザのテーブルは人間 1 人対ハエ 3 体。README は感覚入力の対応づけが作り物であり、フォールドやブラフは学習層の産物で配線由来ではないとはっきり書く。調整メモには再現した 2 つの失敗が残る: 報酬の基準値を全体で 1 つにすると A ペアを 99.9% フォールドする方針に収束し、学習を延ばすとソフトマックスが飽和して手札に関係なく同じ行動を選ぶ。同梱の読み出しは行動模倣のみ。自己対戦 6,000 ハンドが良い初期値を必ず壊したため。

公式サイト ↗

#malecns#poker#reinforce#failure-modes#neuprint#docker