arXiv 人工智能· Yanchen Liu, Xinyu Che, Brihi Joshi, Renzo Fukuda, Junhua Liu, Ruifeng Li, Yunfei Ge, Hang Yan, Xiang Ren·· 4 小时前AI 评分45
面向长程 Freeciv 智能体的回放驱动奖励信号研究
Rome Wasn't Built in One Turn: Replay-Grounded Reward Signals for Long-Horizon Freeciv Agents
AI 导读
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。
来源：arXiv 人工智能 · arxiv.org