Chinese Poker GPT

一个从零开始训练的中文语言模型，具备基础的扑克策略问答能力。

模型介绍

本模型完全从零开始训练，不依赖任何预训练权重，记录了一个完整的语言模型训练过程。

训练过程

第一阶段：预训练

• 数据：中文维基百科 50000 篇文章
• 步数：100000 steps
• 最终 val loss：2.93

第二阶段：知识蒸馏 + 指令微调

• Teacher 模型：Qwen2.5-72B
• 蒸馏数据：12946 条中文问答（通用 + 扑克策略）
• 步数：6000 steps（在预训练基础上继续）
• 最终 val loss：1.51

使用方法

import pickle
import torch

# 加载词表
with open('meta.pkl', 'rb') as f:
    meta = pickle.load(f)

stoi = meta['stoi']
itos = meta['itos']
SPECIAL_TOKENS = ['<|user|>', '<|assistant|>', '<|end|>']

def encode(text):
    tokens = []
    i = 0
    while i < len(text):
        matched = False
        for special in SPECIAL_TOKENS:
            if text[i:i+len(special)] == special:
                tokens.append(stoi[special])
                i += len(special)
                matched = True
                break
        if not matched:
            ch = text[i]
            if ch in stoi:
                tokens.append(stoi[ch])
            i += 1
    return tokens

# 推理示例
question = "什么是德州扑克中的位置优势？"
prompt = f"<|user|>{question}<|end|><|assistant|>"

模型输出示例

问： 什么是德州扑克中的位置优势？

答： 在扑克中，位置优势是指玩家在有利位置时的策略优势。

1. 信息获取：后位玩家可以观察到前面玩家的行动...
2. 控制底池：按钮位置可以根据对手行动调整策略...

局限性

• 参数量较小（15.65M），复杂推理能力有限
• 没有多轮对话能力
• 未经过 RLHF 对齐

训练日志

完整训练过程记录见作者 GitHub（包含所有参数调试细节和 loss 曲线分析）。

作者

训练目的：学习语言模型训练全链路，作为 AI 产品方向的个人项目。