32 个智能体跑进模拟 OSRS 世界:770 万参数策略单卡 4 分钟训成
jsuarez · x · 2026-11-04
开发者在 PufferLib 中为老牌 MMO《RuneScape》(OSRS) 搭建了开放世界多智能体训练环境:整个 OSRS 世界用快速 C 代码模拟,demo 中同时跑 32 个智能体。
当前策略是一个仅 770 万参数的小网络,在单块游戏 GPU 上 4 分钟即完成训练;而要让这些机器人像 LLM 控制的 bot 那样连贯行动,需要数千亿参数的模型。作者表示吞吐量还有很大优化空间。
亮点彩蛋:智能体们很快发现「死亡只是免费回血」,于是干脆不吃食物了——典型的奖励机制漏洞名场面。
「Fun」频道最新
- 把 AirPods 充电盒改造成鼠标，实测居然真好用 — TheMoonMidas · 2026-11-05
- Gary Marcus 嘲讽黑粉:MIT 博士 vs 连 moron 都拼不对 — GaryMarcus · 2026-11-05
- 创始人称用 Claude Opus 做 5 分钟演示可替代 2 小时路演 — gabriel1 · 2026-11-05
- Gmail 惊现巨型 AI 广告，网友吐槽：恭喜放行这广告的 PM — ow · 2026-11-05
- 一条 prompt 在 Lovable 里生成的界面细节惊到网友 — damienghader · 2026-11-05
- 看多了 AI 视频,大脑会把「真实感」当成一种可翻转的知觉属性 — dioscuri · 2026-11-05