Gradient Bang
摘要
Gradient Bang 是一款大型多人在线游戏，玩家通过与 LLM 交互来进行游戏。
<p>
通过与大语言模型对话进行的大型多人在线游戏
</p>
<p>
<a href="https://www.producthunt.com/products/gradient-bang?utm_campaign=producthunt-atom-posts-feed&utm_medium=rss-feed&utm_source=producthunt-atom-posts-feed">讨论</a>
|
<a href="https://www.producthunt.com/r/p/1146488?app_id=339">链接</a>
</p>
相似文章
我们构建了首个用于匹配开源LLM与GPU的交互式博客。
AgentSwarms推出了一款交互式、游戏化的博客，通过根据模型大小和量化方式计算VRAM需求，帮助用户将开源LLM与合适的GPU匹配，将基础设施规划转变为一种引人入胜的体验。
MTG Bench：测试LLM玩万智牌的能力
MTG Bench利用MCP服务器进行牌库操作，评估LLM玩《万智牌》的能力，展示了在复杂游戏动作中的成功与失败。
CollabBench：通过主动参与与多样玩家基准测试并释放LLM协作能力
CollabBench是一个新的基准测试，用于评估和训练LLM智能体在合作游戏中的表现，具有多样玩家模拟和协作训练范式。实验表明，与基础模型相比，效率提高19.5%，情感性能提升24.4%。
Evalatro: 一个让大语言模型玩真实Balatro游戏的开源评测基准
Evalatro是一个开源评测基准，大语言模型通过基于文本的界面玩真实的Balatro游戏。它使用固定种子、公开排行榜，目标是通关Ante 12。早期结果显示模型表现挣扎，无一达到目标。
通过隐式梯度传输加速基于 LMO 的优化
本文提出了 LMO-IGT，这是一类新的随机优化方法，它利用隐式梯度传输来加速收敛，同时保持每次迭代仅计算一次梯度的结构。文中引入了一个统一的理论框架，并展示了相较于 Muon 等现有基于 LMO 的优化器，该方法具有更优的性能。