Qwen3-0.6B-Game-Decision-Model
компактный ИИ для принятия решений в 23 играх
2 мин чтенияобновлено
Специализированная языковая модель от автора kaushik-harsh-99, дообученная для выбора оптимальных ходов в 23 настольных, карточных, стратегических играх и головоломках. В основе лежит лёгкая архитектура Qwen3-0.6B (0.6 млрд параметров), объединённая с LoRA-адаптерами (небольшими надстройками над базовой моделью) и классификационной головой Unsloth FastDecisionModel / CLEF в единые 16-битные веса. По сравнению с базовой версией без дообучения точность решений выросла с 28.04% до 67.81%, при этом модель весит чуть больше гигабайта и запускается даже на слабых видеокартах. Пригодится разработчикам игровых ботов, симуляций и агентов, которым нужен быстрый выбор действий по текстовому описанию состояния игры.
Ключевые особенности
- Обучение на 1 092 754 игровых ситуациях из датасета
boardgame-decision-modelsпо 23 играм — от шахмат и покера до «Сапёра», 2048 и Mastermind. - Прирост точности +39.77%: в среднем 67.81% на тесте из 2193 примеров, а в отдельных играх результаты близки к максимуму — 100% в Mastermind, 98% в блэкджеке и 96% в Yahtzee.
- Готовые объединённые веса: формат
model.safetensors(1.14 ГБ + 52 МБ классификационная голова) не требует ручного слияния адаптеров перед запуском. - Низкие требования к памяти: поддерживается 4-битная квантизация (сжатие весов для экономии памяти) через Unsloth, с которой модель занимает менее 2 ГБ VRAM.
Что можно сделать
- Создать игрового бота или спарринг-партнёра: подключить модель через готовый класс
GameDecisionRunnerдля генерации ходов и оценки вероятностей действий в блэкджеке, Connect Four, 2048 или Dots and Boxes. - Встроить модуль выбора действий в LLM-агента: передавать модели текущее состояние среды и список доступных вариантов, чтобы быстро получать оптимальный шаг с показателем уверенности.
- Протестировать в консоли: запустить встроенный скрипт
test_inference.pyв интерактивном режиме для проверки логики модели на своих игровых сценариях.
Пример
from runner import GameDecisionRunner
runner = GameDecisionRunner.from_pretrained("kaushik-harsh-99/Qwen3-0.6B-Game-Decision-Model")
result = runner.predict(
game="blackjack",
state="Dealer shows 7. Player hand: [10 of Clubs, 6 of Hearts] (Hard 16).",
choices=["Hit", "Stand", "Double Down", "Surrender"],
instructions="Select optimal blackjack basic strategy action."
)
print(result["best_action"], f"{result['confidence']:.1%}")Подробнее
Бенчмарк (2193 примера): общая точность 67.81% против 28.04% у базовой Qwen3-0.6B, кросс-энтропия снизилась с 1.5026 до 0.7298; лучший прогресс в Dots and Boxes (88% против 3%).Железо и память: веса в FP16 занимают 1.19 ГБ, в режиме 4-bit — менее 2 ГБ VRAM; сама модель обучалась 70.3 часа на одной NVIDIA RTX 3050 (6 ГБ).
Детали обучения: 34 149 шагов с оптимизатором AdamW, длина контекста 1024 токена, параметры LoRA — rank 16, alpha 32.
Ограничения: в сложных стратегиях с глубоким просчётом точность ниже (шахматы — 29.2%, шашки — 35.0%, пасьянс — 23.0%).










Комментарии