Vi introduserer Husky Hold'em Bench, den første OS-pokerbots-evalen! Vi har sett mye flott arbeid i OS i det siste med å unngå LLM-er på strategisk spilling. Her er en annen med en vri: modellen får ikke velge handlingene sine direkte, men må i stedet implementere policyen sin i python under tids- og minnebegrensninger som utelukker brute force-tilnærminger og oppslagstabeller. Vi setter deretter robotene opp mot hverandre i et 6-spillers alle kombinasjoner round-robin-format. Hvordan fungerer noen av de ledende resonneringsmodellene?

Vi introduserer Husky Hold'em Bench, den første OS-pokerbots-evalen! Vi har sett mye flott arbeid i OS i det siste med å unngå LLM-er på strategisk spilling. Her er en annen med en vri: modellen får ikke velge handlingene sine direkte, men må i stedet implementere policyen sin i python under tids- og minnebegrensninger som utelukker brute force-tilnærminger og oppslagstabeller. Vi setter deretter robotene opp mot hverandre i et 6-spillers alle kombinasjoner round-robin-format. Hvordan fungerer noen av de ledende resonneringsmodellene?

Hermes-4-14B er utgitt! Vår mest kompakte LLM fra Hermes 4-serien er lokalt brukbar og optimalisert for forbrukermaskinvare, og gir hjemmetilgang til dens kraftige hybride resonnement og verktøykall. Modellen er nå tilgjengelig på Nous Chat for nettbruk og kan lastes ned på HuggingFace.