<1000万参数 RL 智能体通关宝可梦红,比 DeepSeek-V3 小 6 万倍
Bam4d · x · 2026-11-17
自 2020 年起开发的项目宣布:用不到 1000 万参数的策略网络(比 DeepSeek-V3 小 60500 倍)通过强化学习通关《宝可梦红》,几乎不做简化,全部代码开源。
关键信息
- 目标是「成为冠军」而非集齐全部宝可梦,新人类玩家平均需 25 小时通关
- 输出的不是单一策略,而是一套可复现的解题技术,代码全部开源可试
- 作者主张 JRPG(日式 RPG)是极佳的 RL 基准:复杂度不亚于围棋/星际/Minecraft,需要复杂推理与非线性的多任务决策,奖励函数不直观,单局超 24 小时
- 项目持续更新,有 changelog 和 Discord 社区
「研究」频道最新
- 首个 Verus 形式验证基准发布,GPT-6 Astra 以 59.1 分居首 — fhuszar · 2026-11-17
- Harmonic AI 定理证明器 Aristotle 剑桥开讲:无幻觉合成正确硬件 — satnam6502 · 2026-11-17
- Fleuret 提问:因果注意力为何不对称的信息 enriched 不是问题 — francoisfleuret · 2026-11-17
- 合成预训练数据集 FinePhrase 下载量突破 280 万 — yb2698 · 2026-11-17
- Skild AI 开源物理求解器 Steel:比 PhysX 快 13 倍、显存省 3 倍 — deepakpathak · 2026-11-17
- MIT Jacob Andreas 让模型自我翻译神经计算,推进可解释性 — MacrinePhD · 2026-11-17