כתבה
arXiv cs.AI ·
BluffJAX: משחקים אדversariים עם מידע לא מושלם
BluffJAX: Adversarial Imperfect Information Games in JAX
BluffJAX הוא חבילת תוכנה פתוחה למשחקים אדversariים עם מידע לא מושלם. החבילה כוללת מימושים קאנוניים של משחקים כגון פוקר ו-Kuhn Poker. היא מאפשרת סימולציות מהירות ומקבילות על מאיץ גרפי.
תקציר מקורי באנגליתarXiv:2610.07686v1 Announce Type: new Abstract: We introduce BluffJAX: an open-source suite of adversarial imperfect information games in JAX. We provide canonical implementations of games designed for high simulation throughputs and parallelization on GPU accelerators. Our suite consists of well-studied benchmarks such as Texas Hold'Em Poker and Kuhn Poker, as well as games that have not been previously studied in reinforcement learning research, such as Bluff, Stud Poker, and Kemps. We hope that implementing a variety of game mechanics and difficulties will introduce new challenges and foster novel research directions in game-theoretic methods for RL. We benchmark the throughput performance and memory usage of our environments in single and multi-GPU settings, demonstrating scaling of up
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית