Joseph Suarez 🐡（@jsuarez5341）のスレッド

最も難しい強化学習タスクであるNeural MMO 3において、6500億ステップの学習（1実行あたり1PB以上の観測データ）で明確なSOTAを達成しました。フロップマッチングとパラメータマッチング済みです。 問題は？これを実用化するために、cuDNN LSTMとパフォーマンスを競わなければならないことです。そして、このネットワークには複数のカーネルが必要です。