用 Grok 训练 PPO 智能体玩自研游戏
tetsuoai · x · 2026-09-01
作者使用 Grok 构建了名为 Roofline 的浏览器游戏，随后再次利用 Grok 训练了一个 PPO（近端策略优化）智能体来实时游玩该页面。目前智能体最佳记录达到 39,359 分，行进 4,924 米，连击 117 次。游戏可通过提供的链接在线体验。
所属事件:开发者用 Grok 做游戏并训练 PPO 智能体(3 条相关)→
「编程与Agent」频道最新
- Anthropic 借鉴律师谈判伦理，Claude 智能体 69 人无人工批准成交 186 单 — rohanpaul_ai · 2026-10-18
- Agent 接管 Gmail 与浏览器后的投毒风险，及 jev-guard 防护做法 — sujingshen · 2026-10-18
- 14 个 Agent 在单卡 5090 上做 AI 电影:按反馈修复剪跳与配音缺陷 — developervkmp · 2026-10-18
- Meta 论文提出「Agent Plasticity」:最强 agent 未必是最高效学习者 — rohanpaul_ai · 2026-10-18
- 开发者用前沿模型一个周末上线山火预测平台 — CtrlAltDwayne · 2026-10-18
- 10 个让 AI Agent 操作手机的 GitHub 开源项目,最大 26K star — victor_explore · 2026-10-18