arXiv 游戏 AI 检索· Mingyu Ouyang·· 2026-10-15精选AI 评分41
Player-1:通过合成经验学习游戏操作
Player-1: Learning to Play from Synthetic Experience
AI 导读
Player-1 是一个后训练框架,通过合成经验让游戏智能体学习超出演示数据范围的游戏操作。在 MineDojo-300 上,Player-1-9B 和 Player-1-35B-A3B 相比各自的 SFT 策略分别提升 27.8 和 17.7 个百分点,其中 Player-1-9B 成功率达到 38.33%,最强对比基线为 12.63%。
推荐理由
这篇论文把游戏智能体的训练从大量演示数据扩展到16个合成环境中的强化学习,可用来对照理解摆脱演示依赖的思路。
来源:arXiv 游戏 AI 检索 · arxiv.org