OSRS 被做成 RL 基准环境
jsuarez · x · 2026-07-16
作者分享了把 **OSRS 内容移植到高性能 C RL 环境** 的工作，目标是做成后续算法更新的**研究基准**。其中展示了一个小模型在 **单张 4090、15 分钟训练、无 scaffolding** 的条件下，能以 **87% 胜率**击败 Sol Heredit。 帖子还提到： - 他们不是在给真实游戏做 bot，只是研究用途； - 该任务比 Inferno boss 更容易，和现实中 Inferno 比 Colosseum 更难的感受类似； - 观测向量约有 **3000 个浮点数**，主要由 items 和 NPC 两组构成； - 之前用扁平 MLP 效果很差，后来改成 **按实体共享 MLP + 对每组做 maxpool** 后，立刻成了 SOTA，并在多轮 sweep 中被一致选为优于 baseline 的方案。