跳到正文
arXiv cs.AI· Zipeng Qiu, Shusheng Xu, Jiale Li, Yukun Zhou, Chenyue Li, Wenshuang Li, Tongkai Yang, Binhang Yuan·· 10 小时前AI 评分48

离线思考、实时行动:通过代码实现自我改进的视觉游戏智能体

Think Offline, Act in Real Time: Self-Improving Visual Game Agents through Code

AI 导读

研究对比了两种实时视觉游戏中的自我改进策略:在 170 个 GameWorld 任务、每次最多 8 次一分钟执行下,"代码即策略"(模型在尝试间编写、测试并修订程序)达到 47.80% 平均进度,优于训练的 2B 控制器(30.90%),并在全部五个游戏类别中领先。在单个游戏上微调控制器权重收益有限。结果表明让模型离线思考、把所学存入实时运行的程序更有效。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:预训练模型能够读取屏幕并对游戏进行推理,但面对一款不熟悉的游戏,智能体仍需学会如何游玩。我们研究的是:在实时视觉游戏中,智能体只能看到屏幕,且在其思考时游戏仍在继续运行,那么它如何仅凭自己有限的几次尝试在该游戏上实现自我提升。我们研究了两种能够承载这种提升的策略。在“模型即策略”中,模型在游玩过程中选择动作;我们采用实时分块(real-time chunking),使已提交的动作在模型推理期间持续执行,并为该接口训练了一个 2B 控制器。在“代码即策略”中,模型在两次尝试之间编写、测试并修订程序,由该程序在游玩过程中执行动作。在 170 个 GameWorld 任务中,每次运行最多进行八次一分钟的执行,代码即策略达到 47.80% 的平均进度,而我们训练的控制器为 30.90%,并在全部五个游戏类别中领先。相比之下,在单一游戏上改进控制器的权重仅带来有限的提升。这些结果支持让模型离线思考,并将其所学存储在一个实时行动的程序中。项目仓库:此 https URL
学科: 人工智能(cs.AI)
引用为: arXiv:2611.24590 [cs.AI]
  (或 arXiv:2611.24590v1 [cs.AI] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.24590

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Zipeng Qiu [查看邮箱]
[v1] 2026年11月18日 星期三 15:18:22 UTC(1,266 KB)

来源:arXiv cs.AI · arxiv.org