arXiv 游戏 AI 检索· Kuan Zhang·· 2026-10-20精选AI 评分58
游戏中的规模化研究:多样虚拟世界中具身智能体的持续预训练
Scaling in Games: Continued Pre-Training For Embodied Agents In Diverse Virtual Worlds
AI 导读
论文通过 120 组训练配置,系统研究了持续预训练中数据量、多样性和模型规模对具身智能体的影响,模型规模覆盖 0.8B 到 27B。研究发现,多样性能提升对相关世界的迁移效果,但对差异较大的世界增益有限;模型规模能提高数据效率,但在单一世界训练下对远距离世界的泛化更差。作者认为,要构建通用具身智能体,还需要比持续预训练更丰富的训练阶段。
推荐理由
论文用 120 组配置对比数据量、多样性与模型规模的影响,结论是跨世界迁移收益有限,可作为游戏智能体训练路线的参照。
来源:arXiv 游戏 AI 检索 · arxiv.org