Distributed Cognition的50万参数模型VINCO登顶1v1卡坦岛排行榜并击败前沿大模型
该实验室称，VINCO通过模拟对局离线强化学习和自我对弈训练、未使用人类对局，11月1日在Colonist.io占据第一和第二，并在对阵Opus 5.5、Fable 5.1、Astra和Kimi K3的40局中赢36局；结果为自报。
为何重要
卡坦岛融合了隐藏信息、骰子随机性和对抗博弈，该实验室认为通用大模型在此类环境中规划能力较弱。VINCO仅约50万参数、在两块RTX PRO 6000 Blackwell GPU上训练，不到24小时对局便登顶Colonist.io 1v1榜单，类似专用强化学习系统在围棋和扑克中胜过通用方法。对战数据来自实验室自报，独立对局将更有说服力。
要点
- 约50万参数
- 在两块RTX PRO 6000 Blackwell上训练
- 11月1日Colonist.io 1v1第一和第二
- 对前沿大模型40局赢36局