Player-1：用合成经验训练游戏智能体

论文作者提出 Player-1 后训练框架，让计算机使用智能体通过合成经验学习游戏控制，而不只依赖示范数据。作者称该框架扩展了相对指针移动、持续输入和复合动作等动作空间。 具体做法上，作者用 6,044 条游戏轨迹做监督初始化，并构建含 16 个 2D 与 3D 环境的 Player-1-Gym，配合可程序化验证的奖励和随机化观测进行 PPO 多环境强化学习。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。