Craftax 长程任务新法:反馈级联引导 LLM 进化程序化策略与目标编译器
Víctor Gallego · hf · 2026-11-17
Komorebi AI 的研究者提出一个让编码智能体在 Craftax(部分可观察、程序生成的生存游戏,单局需 10 万步动作)中进化代码策略的框架。此前直接用回合标量奖励做反馈会导致优化停滞——回合级反馈到达最终层的比例不足 1%。
框架核心是一个反馈级联(feedback cascade):先从回合回报出发,逐步过渡到可从模拟器密集打分的层级化目标与信念更新,借此把策略精炼到能抵达最终关卡(最终关到达率 50%,最终 Boss 击败率 28%)。论文还点出一个关键陷阱:不应把子目标的局部成功本身当作价值来源,而应利用它留下的后续局面;例如去冰雪领域第 7 层探索的策略,只有当智能体带着足够血量和时间活着回来时才有价值。
最后,学到的能力可被分解为可复用的「目标编译器」,对新任务实现零样本迁移,且生成的程序化策略零推理模型调用。
「编程与Agent」频道最新
- OutfitterBench:200 天装备租赁模拟揭示 LLM 智能体长期承诺协调短板 — Jie Huang · 2026-11-17
- 实体消歧实测:靠上下文判断准确率 97.9%,纯名字匹配仅 63.5% — YvesMulkers · 2026-11-17
- XState v6 Beta 发布:AI 时代状态机编排,周下载量超 800 万 — mattpocockuk · 2026-11-17
- Matt Pocock 分示评估 prompt:让 AI 用 draft PR 实测新技术值不值得用 — mattpocockuk · 2026-11-17
- Motion 推出「Claude Code 剪视频」:素材加一句 prompt 全自动剪辑 — CurieuxExplorer · 2026-11-17
- 附直播回放:Lauren Tan 的 AI Agent 月发 3000 PR 工作流 — FinanceYF5 · 2026-11-17