К содержимому
Другое

RaifuWars-RL-ActionScorer-Cards

компактные RL-боты для стратегии Raifu Wars с поддержкой карт

2 мин чтенияобновлено

Разработчики из yotisstudios опубликовали набор из четырёх компактных нейросетевых политик (моделей принятия решений в RL — обучении с подкреплением) для пошаговой стратегии Raifu Wars. Каждая модель содержит всего 73 602 параметра, подключается к игре через протокол Warrior и выступает в роли полноценного игрока. Это первые опубликованные политики для данной игры, обученные видеть и разыгрывать игровые карты по тем же правилам, что и человек. В релиз вошли две универсальные модели и два узких специалиста для карты Cornfield. Набор пригодится разработчикам игрового ИИ и исследователям компактных архитектур для задач с переменным числом доступных действий.

Ключевые особенности

  • Двухбашенная архитектура (Two towers): состояние игры (99 признаков) и каждое доступное действие (85 признаков) кодируются отдельно, после чего перемножаются. Это позволяет оценивать от 2 до нескольких сотен легальных ходов за раз без привязки к их фиксированному числу.
  • Работа с колодой из 49 карт: признаки состояния и действий включают описание карт на руке, в игре и их эффектов, включая карты, которые встроенный ИИ игры никогда не использует.
  • Четыре готовых чекпоинта: hr-ft-24h.pt (лучший против встроенного ИИ), at-ft.pt (дообучен ещё 24 часа, сильнее в матчах друг против друга), а также cornfield-league.pt и cornfield-greedy.pt для карты Cornfield.
  • Многоэтапное обучение: модели прошли путь от клонирования поведения встроенного ИИ (behaviour cloning) до обучения методом PPO в симуляторе Hemlock против лиги собственных прошлых версий.

Что можно сделать

  • Запустить локальный сервер с выбранным чекпоинтом и подключить его как бота в клиенте Raifu Wars для игры в режиме free-for-all Tiers.
  • Использовать весовые файлы и архитектуру как компактный бенчмарк или базовое решение для экспериментов с RL в пошаговых стратегиях с динамическим списком действий.

Пример

RW_FEAT_CARDS=1 python serve.py hr-ft-24h.pt --port 8899
# далее укажите адрес [http://127.0.0.1:8899](http://127.0.0.1:8899) для слота Warrior в игре
ПодробнееБенчмарки в реальной игре (free-for-all на 4 игрока против 3 встроенных ботов, карты отключены, случайный шанс победы 25%): hr-ft-24h победил в 79,2% матчей (114/144) на 6 тренировочных картах и в 75,9% (216 матчей) на расширенном наборе с 8 незнакомыми картами.
В симуляторе Hemlock (2000 матчей друг против друга) at-ft выигрывает у hr-ft-24h со счётом 55,8% против 44,0%. На карте Cornfield специалисты cornfield-greedy и cornfield-league поднимают винрейт против трёх жадных скриптов с 56,4% (у at-ft) до 89,1% и 86,4%.
Требования и ограничения: требуется флаг окружения RW_FEAT_CARDS=1; политики обучены и проверены только в режиме free-for-all Tiers на сборке с автоматическим повышением тира; реальные матчи в бенчмарке проводились с выключенными картами.
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.

    # yotisstudios/RaifuWars-RL-ActionScorer-Cards
    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 yotisstudios/RaifuWars-RL-ActionScorer-Cards --local-dir ~/models/RaifuWars-RL-ActionScorer-Cards
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к RaifuWars-RL-ActionScorer-Cards
  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 RaifuWars-RL-ActionScorer-Cards — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

yotisstudios/RaifuWars-RL-ActionScorer-Cards
Автор
yotisstudios
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