Unduh calm textgame - pengunduhan kode sumber calm textgame

calm textgame

Kode Sumber AI

1.0.0

Unduh

Model Bahasa Tindakan Kontekstual (CALM) dan Kumpulan Data ClubFloyd

Kode dan data untuk makalah Keep CALM and Explore: Model Bahasa untuk Pembuatan Tindakan dalam Game Berbasis Teks di EMNLP 2020.

Ringkasan

Kumpulan data ClubFloyd kami ( calm/lm_data.zip ) dijelajahi dari situs web ClubFloyd dan berisi 426 transkrip permainan manusia, yang mencakup 590 permainan berbasis teks dari beragam genre dan gaya.

Data tersebut terdiri dari 223.527 pasangan konteks-tindakan dengan format [CLS] observation [SEP] action [SEP] next observation [SEP] next action [SEP] . Kami menggunakan [CLS] observation [SEP] action [SEP] next observation [SEP] sebagai konteks untuk melatih model bahasa (n-gram, GPT-2) untuk memprediksi next action [SEP] , dan menunjukkan bahwa kemampuan pembuatan tindakan ini menggeneralisasi untuk permainan yang tak terlihat dan mendukung gameplay bila dikombinasikan dengan pembelajaran penguatan.

Memulai

Kloning repo dan instal dependensi:

pip install torch==1.4 transformers==2.5.1 jericho fasttext wandb importlib_metadata
git clone https://github.com/princeton-nlp/calm-textgame && cd calm-textgame
ln -s ../lm calm && ln -s ../lm drrn

(Jika instalasi pip gagal untuk fasttext, coba langkah-langkah pembuatan di sini: https://github.com/facebookresearch/fastText#building-fasttext-for-python)

Latih TENANG:

 cd calm
unzip lm_data.zip
python train.py

Bobot model terlatih dapat diunduh di sini untuk model GPT-2 dan n-gram.

Kemudian latih DRRN menggunakan CALM yang dilatih:

 cd ../drrn
python train.py --rom_path ../games/ ${GAME} --lm_path ${PATH_TO_CALM} --lm_type ${gpt_or_ngram}

Untuk segera mencoba model GPT-2 CALM:

 from lm import GPT2LM
model = GPT2LM ( "model_weights/gpt2" )
print ( model . generate ( "[CLS] observation [SEP] action [SEP] next observation [SEP]" , k = 30 ))

Kutipan

 @inproceedings{yao2020calm,
    title={Keep CALM and Explore: Language Models for Action Generation in Text-based Games},
    author={Yao, Shunyu and Rao, Rohan and Hausknecht, Matthew and Narasimhan, Karthik},
    booktitle={Empirical Methods in Natural Language Processing (EMNLP)},
    year={2020}
}