小预算复现 LLM 立直麻将对局研究
热点事件历史事件
小预算复现 LLM 立直麻将对局研究
1 篇报道1 个报道来源27 天前更新
先了解这件事
AI 综述
Mingge Xu 等作者复现了一项 LLM 立直麻将(日本麻将)对局研究,结论是在数据和标签匹配的条件下,文本提示是主要瓶颈。据论文称,复现是在很小的预算下完成的:模型参数不超过 2B,使用一张 16 GB 消费级 GPU,耗时约五个 GPU 日。复现对象是 arXiv:2509.01328《Can Large Language Models Master Complex Card Games?》中的立直麻将部分。 论文公开了代码、配置和评测协议,但没有发布训练好的模型权重。作者称,这是按照天凤(Tenhou)的条款做出的安排。
AI 根据报道生成 · 26 天前更新
最新进展10月26日 11:32
文本是瓶颈:小规模复现 LLM 日本麻将对局研究报道时间线
沿着报道,了解事件的不同侧面。
10月26日
- arXiv 棋牌与经典游戏 AI 检索精选文本是瓶颈:小规模复现 LLM 日本麻将对局研究
论文在参数不超过 2B、单张 16 GB 消费级 GPU、约五个 GPU 日的预算下复现了 riichi 麻将 LLM 对局研究,结论是在数据和标签匹配时,文本提示是主要瓶颈。