К содержимому
Другое

system-one-choice

агент для автоматической игры в Magic: The Gathering

2 мин чтенияобновлено

Модель представляет собой специализированный локальный текстовый студент (архитектура choice_text_v1) на базе двунаправленного Transformer encoder, предназначенный для выбора оптимальных игровых действий в движке Magic: The Gathering. В отличие от обычных авторегрессионных чат-ботов, она за один прямой проход (forward pass) кодирует текущее состояние и все легальные ходы, выдавая скоры, вероятности и показатель уверенности для каждого действия. Модель имеет размер около 11.1 млн параметров (preset choice_fresh с d_model=384 и 6 слоями) и обучена в несколько этапов: от текстового претрейна на корпусе FineWeb и правилах игры до поведенческой клонирования (BC) и PPO.

Ключевые особенности

  • Специализированная архитектура: Двунаправленный Transformer trunk параллельно счищает состояние и критерии выбора, передавая их в двухслойный MLP для генерации лойтов по всем доступным опциям.
  • TypeSafe confidence: Модель вычисляет встроенную уверенность в принимаемом решении на основе распределения вероятностей (softmax).
  • Многоэтапное обучение: Включает причинный LM warm-start (корпус ~58 млн символов), поведенческое клонирование (BC) по учителям и PPO-самообучение.
  • Легковесность: Около 11.1M параметров позволяют комфортно запускать инференс и дообучение на локальных GPU (например, RTX 3090).

Что можно сделать

  • Интеграция в движок: Запустить локального агента для автоматической или полуавтоматической симуляции матчей в эмуляторе mtgcards (через TUI, Arena или Gym).
  • Дообучение и дистилляция: Провести soft-label дистилляцию с гибридных стратегий или дообучить модель методами PPO против пула чекпоинтов.
  • Оценка и бенчмаркинг: Оценить винрейт агента в матчах против жадных стратегий (greedy) с помощью встроенных скриптов оценки.

Пример

Запуск оценки модели против жадного базового агента:

python -m mtgcards.rl.evaluate --ckpt hf:jedld/system-one-choice --vs greedy --games 10
ПодробнееБазовая архитектура: Bidirectional Transformer encoder + parallel criteria scorer + value head.
Параметры: ~11.1 млн (d_model=384, 6 layers, 6 heads).
Данные обучения: FineWeb sample (8000 документов), каталог карт, правила игры и траектории симуляций.
Ограничения: Длина состояний ограничена 8192 байтами; модель не заменяет полноценные официальные клиенты Magic Online / Arena и не является авторитетным судьей по правилам вне движка.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # jedld/system-one-choice
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download jedld/system-one-choice --local-dir ~/models/system-one-choice
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к system-one-choice
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии system-one-choice — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

jedld/system-one-choice
Автор
jedld
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

Pi05 Server

Pi05 Server
Другое

DCAP

DCAP