Player-1：从合成经验中学习游戏操作
Player-1 是一种后训练框架，通过合成经验训练 AI 智能体控制游戏。研究团队构建了 16 个合成 2D 和 3D 环境，并采用具有可验证奖励的强化学习。Player-1-9B 在 MineDojo-300 上的成功率为 38.33%，高于受测最强基线的 12.63%。在 ViZDoom-10 和 GameWorld 上，模型表现也优于仅经过监督微调的版本。结果表明，增加合成环境的多样性，可能有助于将能力迁移到强化学习训练环境之外的游戏。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。