Copied


Gamer框架:用于长时间游戏交互的人工智能模型

realtime news   Nov 17, 2026 06:21 1 Min Read


研究人员推出了Gamer,一个通用的视觉-语言-行动人工智能框架,专为在复杂的2D和3D互动环境中执行长时间任务而设计。该框架于2026-11-16在arXiv上发布 (2611.18397),是创造能够在数字和物理领域中运作的通用代理的重要一步。该项目还在GitHub上开源,促进更广泛的采用和合作。

主要特性和训练方法

Gamer的架构将感知、记忆管理和多步推理整合为一个统一的框架。该模型采用多阶段过程进行训练:

  • 持续预训练:Gamer利用来自模拟游戏和具身环境的数万小时键盘和鼠标交互数据。这使得模型能够学习物理和虚拟领域中的环境动态。
  • 稀疏思维指令调整:这一步骤减少了冗余计算,同时保持了复杂决策所需的推理能力。
  • 多轮强化学习:一种稳定的训练方法应对有限上下文窗口、积累的回合错误和稀疏奖励等挑战,使得有效的长时间交互成为可能。

性能和实时交互

Gamer在各类基准测试中展现出强大的泛化能力和效率。在3D开放世界游戏中,其表现与熟练的人类玩家相当。它在传统2D游戏基准中也取得了竞争力的结果。该框架的云-边推理引擎支持无界上下文执行,并保持低延迟,使得在多个模拟环境中的实时交互成为可能。

开源实现

Gamer的官方实现可以在GitHub上找到 (https://github.com/RainBowLuoCS/Gamer)。该库包括详细文档、视频演示以及Apache 2.0下的许可证。开源发布旨在促进合作以及通用人工智能代理的进一步进展。

Gamer的发展突显了扩展数据和学习算法的潜力,以训练能够在多样环境中完成复杂、长时间任务的代理。这种方法可能为人工智能在数字和物理世界中的更广泛应用铺平道路。


Read More