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。
「编程与Agent」频道最新
- GitHub 热门：用 Claude Code 自动化完成学术研究全流程 — Imbad0202 · 2026-09-01
- GitHub 热门 OpenClaude：随处运行、支持任意模型的 AI 编程终端 — Gitlawb · 2026-09-01
- 复盘 30+ 自动化项目：AI 落地的 5 个大坑 — soul_eater0001 · 2026-09-01
- Comet 推出开源 LLM 可观测性工具 Opik — dl_weekly · 2026-09-01
- 用 Grok Bot + Whop CLI 自动化财务对账 — eptwts · 2026-09-01
- Agent 别再遍历知识图谱了：改用图扩展工具 — gimalay · 2026-09-01