Player-1：用合成经验学习玩游戏的后训练框架

研究团队提出 Player-1 游戏控制后训练框架，通过合成经验让模型在演示数据之外学习游戏操作。据该研究介绍，框架把动作空间扩展为相对指针移动、持续输入和复合动作，并在 6,044 条游戏轨迹上微调计算机使用模型。 团队同时构建了覆盖十六个 2D 和 3D 环境的 Player-1-Gym，用于支持 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。