Player-1：用合成经验训练游戏智能体
AI 总结
Player-1 是一个面向游戏控制的智能体后训练框架，目标是在演示数据之外通过合成经验继续学习。研究者先用 6,044 条经过筛选的游戏轨迹对 computer-use 模型做监督微调，并扩展动作空间，加入相对指针移动、持续输入与复合动作；随后在 16 个合成的 2D 与 3D 环境（Player-1-Gym）中，利用可程序化验证的奖励与随机化观测进行 PPO 多环境强化学习。论文报告在 MineDojo-300 上，Player-1-9B 与 Player-1-35B-A3B 相比各自的 SFT 策略分别提升 27.8 和 17.7 个百分点；Player-1-9B 成功率达到 38.33%，而所评估的最强基线为 12.63%，在 ViZDoom-10 与 GameWorld 上同样优于 SFT。该论文为 2026 年 10 月 14 日提交的 arXiv 预印本（arXiv:2610.20584），作者共 12 人。
深度见解
它表明程序化生成的环境与可验证奖励可以补足示范数据的覆盖不足，为通用数字控制类智能体提供了一条可扩展的训练路径。