开源决策模型打《红色警戒2》：先卖基地后自瞄自炸，训练后无人能敌
heathercmiller · x · 2026-10-27
一个团队让开源决策模型玩两款即时策略游戏，结果惨不忍睹：《红色警戒2》里基础版把自己的基地卖掉然后输掉；坦克大战 v1 原地转圈，v2 找到开火键后把自己打死了。
随后他们采用「玩 → 训练 → 升级 harness → 重复」的循环让模型持续进化，几轮之后模型可以在无人干预下自我改进。把不同模型放进同一竞技场对战，目前没有人类玩家能打败训练后的模型。
核心观点：决策模型发布时并不是完成态——真实环境不断抛出新情况，冻结的模型无法适应，需要持续学习。整套端到端训练方法已开源，下一步计划做成通用决策模型训练基础设施。可在线试玩对战其最强模型。
「Fun」频道最新
- 用 AI 生成 PPT 预测 AI 泡沫:投资会议的当代奇观 — SuB8u · 2026-10-27
- 梗图:免费 Google AI Mode 秒杀 20 美元 ChatGPT,Reddit 热传 — Macegolem · 2026-10-27
- Palantir 军事 AI 提示词曝光:「你醒在了圣盔谷,兽人大军压境」 — generativist · 2026-10-27
- OpenAI 历代发布纯凭感觉分档：o3 进 S 档，6.1 Terra 掉进 F 档 — Angaisb_ · 2026-10-27
- 梗图调侃 AI 公司:不想活在意别人把世界变好得更好的世界 — thakgayahuvrolyfse13 · 2026-10-27
- Anthropic 官网 404 页翻车:「Claude 什么都行,就是找不到这页」 — NathanpmYoung · 2026-10-27