纯自博弈无人工奖励,Mirror 铁镐达成率达 DreamerV3 九倍

vincesitzmann · x · 2026-10-22

Mirror 展示了仅靠 self-play、不使用任何手工奖励或专家动作,就在 Minecraft 生存模式中超越了 DreamerV3:铁镐达成成功率为 DreamerV3 的 9 倍(按 DreamerV3 自身评测协议也有 5 倍),且不依赖任何奖励信号。DreamerV3 此前需要简化挖矿与合成动作,因为随机探索几乎不可能挖到方块;Mirror 通过让 agent 持续聚焦挖矿里程碑直至攻克来解决这个问题。配合 oracle 视频规划器,它还能在相同环境交互时间内找到钻石,而所有在线基线都做不到。