[nanoAlphaZero](https://github.com/wtedw/nanoAlphaZero) - nanoAlphaZero 把 self-play、Gumbel MuZero 搜索和训练合并进 JAX 的单个 jitted 函数，验证了 Hex、Connect4、Go、Chess 等多棋类。TPU benchmark 中 chess 达 4.9M env/s、相对参考环境约 1087x，README 还报告 24 小时内训练到 grandmaster-level；优化高度依赖 TPU，GPU 正确性并未保证。
github.com原文 ↗
 - nanoAlphaZero 把 self-play、Gumbel MuZero 搜索和训练合并进 JAX 的单个 jitted 函数，验证了 Hex、Connect4、Go、Chess 等多棋类。TPU benchmark 中 chess 达 4.9M env/s、相对参考环境约 1087x，README 还报告 24 小时内训练到 grandmaster-level；优化高度依赖 TPU，GPU 正确性并未保证。](../assets/thumbs/2026-08-20/item-27.png)
–浏览
评论 · Comments