К содержимому
Другое

Hearthstone Battlegrounds PPO

нейросеть-игрок для «Полей сражений»

2 мин чтенияобновлено

Чекпоинт model.pt от автора jimmypretend представляет собой нейросеть (policy/value network) для игры в режим Hearthstone Battlegrounds. Модель на 8 млн параметров построена на архитектуре Transformer и обучена методом PPO (обучение с подкреплением с оптимизацией близкой политики) поверх базовой инициализации методом поведенческого клонирования. В отличие от простых скриптовых ботов, сеть кодирует 3984 карты, их 311-мерные векторы характеристик и использует специальный токен z из словаря на 46 стратегий для выбора действий. Подойдёт исследователям reinforcement learning и энтузиастам игрового ИИ, которые работают со средой taverngym.

Ключевые особенности

  • Компактный размер: около 8.0M параметров, вес файла model.pt составляет всего ~39 МБ.
  • Архитектура Transformer: 4 слоя, 8 голов внимания (d=352) с головами оценки ценности (value) и политики действий (policy).
  • Глубокое представление карт: учитываются ID 3984 карт, их 311 признаков и токен выбора стратегии (46 вариантов в z_vocab).
  • Награда по итогам матча: при обучении использовалась функция полезности по занятым местам от 1.0 за первое до -0.2 за восьмое.

Что можно сделать

  • Подключить веса к совместимому коду сети и симулятору taverngym для симуляции матчей и оценки стратегий.
  • Использовать чекпоинт как базовую инициализацию для дообучения под новые патчи или другие архетипы (текущая версия склонна выбирать свинобразов).
  • Проанализировать поведение модели на разных токенах z из словаря net_config.z_vocab для изучения игровых сборок.

Пример

Для корректного запуска модели в окружении требуются обязательные маски ограничений при инференсе: no_cancel_choose = 1 (отключение опции отмены выбора) и keep_start_board = 1 (ограничение на продажу существ). Без этих параметров среднее занятое место ухудшается примерно на 0.1–0.14 пункта.

ПодробнееВнутренний тест (1024 игры на 4 сидах против библиотеки fsdyn85_exam): среднее место 3.474, доля первых мест — 19.6%.
Источник весов: внутренний прогон R4 (итерация 1000), из файла удалены состояние оптимизатора и локальные пути.
Ограничения: код сети и игровой движок taverngym не включены в репозиторий; привязка к конкретному патчу игры.
Лицензия: CC BY-NC 4.0 (только некоммерческое использование с указанием авторства).
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.

    # jimmypretend/hearthstone-bg-ppo
    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 jimmypretend/hearthstone-bg-ppo --local-dir ~/models/hearthstone-bg-ppo
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к hearthstone-bg-ppo
  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 hearthstone-bg-ppo — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

jimmypretend/hearthstone-bg-ppo
Автор
jimmypretend
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

NanoDet

NanoDet