Блог
Статьи, технические разборы и новости команды Nardex.
Анализ партий длинных нард из MAT-файлов: LogasAI и Nardex
Как разобрать партии длинных нард, сохранённые в формате MAT: импорт .mat в Nardex, анализ партий с equity, метками ошибок и PR. Что известно о LogasAI Analysis и как перенести накопленные партии в Nardex.
От TD-Gammon к современному AI: 30 лет reinforcement learning
Как TD-Gammon Tesauro (1992) запустил направление исследований, которое привело к AlphaGo, AlphaZero и сегодняшним движкам стохастических игр. История, архитектуры, что изменилось и что осталось прежним.
Обучение нейросети для нард: практический гайд
Как на самом деле выглядит training pipeline движка для коротких или длинных нард end-to-end: генерация позиций, оценка через rollout, supervised обучение, tournament gating, продвижение модели, реклассификация старых позиций. С конкретными цифрами и решениями из нашего production-цикла.
Стохастические игры и RL: как обрабатывать случайность в коротких и длинных нардах
Почему случайность важна для обучения с подкреплением. Узел случая, математическое ожидание по броскам костей, снижение дисперсии, проблема атрибуции награды в стохастических играх и чему короткие и длинные нарды учат нас об агентах для игр с костями.
Reinforcement Learning для настольных игр: введение
Практическое введение в reinforcement learning через призму настольных игр: состояния, действия, награды, политики, функции ценности и почему именно короткие нарды стали поворотным моментом для всей области. С конкретными примерами на коротких и длинных нардах.
Почему мы построили новый бэкгаммон-движок в 2026
Истоки проекта: почему gnubg и XG не закрывают потребности современных приложений и что мы выпустили взамен — Rust + ONNX + CUDA, нейросети на реальных партиях, HTTP API.