连续Dyna循环将十英雄MOBA胜率提至70.2%

Jordy Kieto在论文摘要中报告，其连续异步Dyna循环让策略在完整十英雄MOBA中以Radiant身份对游戏自带对手取得70.2%的真实对局胜率，即600场胜421场（95%置信区间66.4%—73.7%）；评测种子未用于任何决策。 该方法学习覆盖206个单位、每tick由全部英雄行动且最长6,000 tick的多智能体世界模型，仅在其中用1,400-tick自由运行想象回合训练策略。真实游戏不提供梯度，而是持续生成策略自身对局来更新世界模型，并通过在线评测选择和锚定策略；循环前胜率为33.7%，仅做梦中训练则为0%。策略作为Dire时没有获胜。

AI 根据报道生成 · 38 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。