Player-1：用合成经验后训练游戏控制智能体

论文作者团队提出Player-1后训练框架，用6,044条精选游戏轨迹做监督初始化，并在16个自建的Player-1-Gym合成2D与3D环境中通过PPO训练9B与35B-A3B模型，使游戏控制学习超越仅模仿演示。 摘要称，Player-1-9B在MineDojo-300上成功率达38.33%，高于最强评估基线的12.63%，较其SFT策略提升27.8个百分点（35B-A3B较SFT提升17.7个百分点）；覆盖更广的合成环境还带来对训练集之外游戏的迁移增益。以上结果基于论文摘要，尚属作者自报。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。