Player-1:用合成经验训练游戏智能体的后训练框架
热点事件历史事件
Player-1:用合成经验训练游戏智能体的后训练框架
1 篇报道1 个报道来源2026-10-15更新
先了解这件事
AI 综述
据 arXiv 论文介绍,Mingyu Ouyang 等人提出了后训练框架 Player-1,让游戏智能体通过合成经验学会超出演示数据范围的游戏操作。论文称,在 MineDojo-300 基准上,Player-1-9B 和 Player-1-35B-A3B 分别比各自的 SFT(监督微调)策略提升 27.8 和 17.7 个百分点,其中 Player-1-9B 成功率为 38.33%,最强对比基线为 12.63%。 论文称,团队构建了 Player-1-Gym,包含 16 个围绕各类游戏共同控制需求设计的合成 2D 和 3D 环境,用于生成训练经验。此外,论文还称 Player-1 在 ViZDoom-10 和 GameWorld 上相比 SFT 也有进一步提升。以上均为论文自报结果。
AI 根据报道生成 · 2026-10-15更新
最新进展10月15日 01:57
Player-1:通过合成经验学习游戏操作报道时间线
沿着报道,了解事件的不同侧面。
10月15日
- arXiv 游戏 AI 检索精选Player-1:通过合成经验学习游戏操作
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%。