跳到正文
arXiv · AI· Mingyu Ouyang, Yiran Wang, Siyuan Hu, Xingyilang Yin, Huiqiang Sun, Guangzhi Wang, Junfu Pu, Cheng Cheng, Honghao Chen, Ying Shan, Mike Zheng Shou, Hwee Tou Ng·· 2026-10-15AI 评分40

Player-1:基于合成经验的游戏智能体后训练框架

Player-1: Learning to Play from Synthetic Experience

AI 导读

研究团队发布 Player-1 框架,利用合成经验强化游戏智能体控制。 该框架在 6,044 条游戏轨迹上进行微调,并结合 PPO 算法在 16 个合成环境中训练。 Player-1-9B 在 MineDojo-300 基准上成功率达到 38.33%,显著超过 12.63% 的基线水平。

来源:arXiv · AI · arxiv.org