小预算复现：小模型打麻将胜过文本LLM
热点事件持续更新
小预算复现：小模型打麻将胜过文本LLM
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
Mingge Xu 发布了一项小预算复现研究，复现 arXiv:2509.01328 的立直麻将实验：模型不超过 2B 参数，用一块 16GB 消费级 GPU、约五个 GPU 日。在同等 10 万决策训练集上，2.6M 参数的卷积棋盘编码器与强 AI Mortal 的决策一致率为 80.6%，高于所有受训文本提示 LLM（最佳 77.8%）。 受 Tenhou 条款限制，作者未发布训练权重，仅公开代码、配置、评估协议及约 3,200 局对战日志。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 12:00
文本才是瓶颈：在 2B 参数以内小预算复现 LLM 打日本麻将报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.CL文本才是瓶颈：在 2B 参数以内小预算复现 LLM 打日本麻将
一项小预算复现研究发现，在同等 10 万决策训练集上，2.6M 参数的卷积棋盘编码器与强 AI Mortal 的决策一致率为 80.6%，高于所有受训文本提示 LLM（最佳 77.8%）。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。