研究团队发布面向Freeciv智能体的回放奖励框架CivHarness

1. 13:00
   arXiv 人工智能

   面向长程 Freeciv 智能体的回放驱动奖励信号研究

   针对策略游戏 Freeciv，研究人员构建开源系统 CivHarness 并训练出局势评估 LLM Judge 模型 CivTelescope。该模型利用分支回放提供长程反馈，在记分板陷阱局势下的预测准确率比现有大语言模型高 1.3-2.0 倍。基于其训练的 CivMarshmallow 智能体中局增益达 8.94 点，比终局奖励提升 77%，在 120 回合对局中得分最高。

Current heat 9·Comparable peak 10（Nov 2 14:00）·Comparable change, last 24 hours–

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.