跳到正文
arXiv · AI· Yanchen Liu, Xinyu Che, Brihi Joshi, Renzo Fukuda, Junhua Liu, Ruifeng Li, Yunfei Ge, Hang Yan, Xiang Ren·· 18 天前AI 评分30

CivHarness 与 CivTelescope:基于重放奖励信号的长周期 Freeciv 智能体训练研究

Rome Wasn't Built in One Turn: Replay-Grounded Reward Signals for Long-Horizon Freeciv Agents

AI 导读

研究提出 CivHarness 系统与 LLM 裁判模型 CivTelescope,以解决长周期策略游戏中稀疏反馈导致的“计分板陷阱”问题。CivTelescope 对陷阱对的预测准确率比现成大模型高 1.3-2.0 倍,基于其训练的 CivMarshmallow 智能体在中期平均增益 8.94 分,高出最佳基线 77%。

来源:arXiv · AI · arxiv.org