arXiv · cs.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·· 6 小时前
Player-1：通过合成经验学习游戏控制
Player-1: Learning to Play from Synthetic Experience
arXiv:2610.20584v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：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
研究任务与主要进展
Player-1是一种利用合成经验进行游戏控制后训练的框架，研究者用6,044条精选游戏轨迹进行监督初始化，并在16个合成2D和3D环境中通过PPO训练9B与35B-A3B模型。摘要称，Player-1-9B在MineDojo-300上的成功率达到38.33%，高于最强评估基线的12.63%，相对其SFT策略提升27.8个百分点；更广泛的合成环境覆盖还带来对训练集之外游戏的迁移增益。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org