NVIDIA, Gamma-World'u tanıttı, çok ajanlı model 4 oyunculu işbirliğini 24 FPS'de destekliyor
KuCoinFlash
Paylaş
Özet
NVIDIA, Tsinghua Üniversitesi, Toronto Üniversitesi ve Vector Enstitüsü ile geliştirilen çok ajanlı model Gamma-World ile bir proje duyurusu yaptı. Sistem, yüksek boyutlu döner pozisyon kodlaması ve seyrek hub dikkatini kullanarak 4 oyunculu işbirliğini 24 FPS'de destekliyor. Takım, proje sayfasını ve makaleyi paylaştı; kod ve ağırlıklar takip edecektir. Bu proje duyurusu, AI tabanlı ortamlarda artan gerçek dünya varlıkları (RWA) haberleriyle uyumlu.
ME AI Haberi, Beating İzleme’ye göre, NVIDIA, Tsinghua Üniversitesi, Toronto Üniversitesi ve Vector Institute araştırmacıları ile birlikte, çoklu ajanlı üretken dünya modeli Gamma-World’ü duyurdu ve uzun süreli sanal ortam simülasyonlarının yalnızca tekil veya ikili etkileşimlere sınırlı kalmasını aştı. Takım, projenin sayfasını ve makalesini yayınladı; kod ve ağırlıklar yakında açık kaynak Hale getirilecek. Model, döner konum kodlamasının yüksek boyutlu genelleştirilmesi ve bilgi aracısı etiketleri olmak üzere iki mekanizmayı tanıttı ve birden fazla oyuncunun bağımsız olarak kontrol edilmesini sağlarken, yeniden eğitme gerekmeden doğrudan iki oyuncudan dört oyuncuya sıfır örnek genelleme gerçekleştirdi. Çok oyunculu dünya modelinin temel zorluğu, her oyuncunun bağımsız kontrolünü sağlarken eylemlerinin birbirini çakışmamasını sağlamaktır. Araştırma ekibi, klasik döner konum kodlamasını (RoPE) yüksek boyutlu açısal uzaya taşıyan Tek Yönlü Döner Ajan Kodlaması (Simplex Rotary Agent Encoding) tasarladı. Yeni kodlama yöntemi, tüm oyunculara tamamen eşdeğer fiziksel simetri sağlar ve sabit oyuncu numaralarına bağlı kalmaz; bu da daha doğal bağımsız atıflar ve kontrolü mümkün kılar. Oyuncu sayısının artmasıyla hesaplama yükünün karesel olarak patlamasını önlemek için, Seyrek Merkezi Dikkat (Sparse Hub Attention) mekanizması kullanıldı. Sistem, öğrenilebilir merkezi etiketler aracılığıyla etkileşim bilgilerini iletir ve oyuncular arasındaki dikkat hesaplama maliyetini doğrusal seviyeye indirger. Üretim hızında, ekip yüksek gecikmeli yayılma modelini neden-sonuç modeline öğrenci olarak distillasyon yaptı ve anahtar-değer önbelleği (KV Cache) ile saniyede 24 kare (24 FPS) gerçek zamanlı eylem yanıtı üretti. Çok oyunculu oyun ortamlarındaki değerlendirme sonuçları, yeni modelin geleneksel yuvalı ve yoğun dikkat ağlarına göre video görsel gerçekçiliği, eylem yanıtı kontrolü ve oyuncular arası tutarlılık açısından açıkça daha iyi olduğunu gösterdi. (Kaynak: BlockBeats)
Yasal Uyarı: Bu sayfadaki bilgiler üçüncü şahıslardan alınmış olabilir ve KuCoin'in görüşlerini veya fikirlerini yansıtmayabilir. Bu içerik, herhangi bir beyan veya garanti olmaksızın yalnızca genel bilgilendirme amacıyla sağlanmıştır ve finansal veya yatırım tavsiyesi olarak yorumlanamaz. KuCoin, herhangi bir hata veya eksiklikten veya bu bilgilerin kullanımından kaynaklanan sonuçtan sorumlu değildir.
Dijital varlıklara yapılan yatırımlar riskli olabilir. Lütfen bir ürünün risklerini ve risk toleransınızı kendi finansal koşullarınıza göre dikkatlice değerlendirin. Daha fazla bilgi için lütfen Kullanım Koşullarımıza ve Risk Açıklamamıza bakınız.
KuCoinFlash
Özet