arXiv cs.AI· Yanchen Liu, Xinyu Che, Brihi Joshi, Renzo Fukuda, Junhua Liu, Ruifeng Li, Yunfei Ge, Hang Yan, Xiang Ren·· 1 天前AI 评分42
罗马非一回合建成：面向长周期 Freeciv 智能体的回放奖励信号
Rome Wasn't Built in One Turn: Replay-Grounded Reward Signals for Long-Horizon Freeciv Agents
AI 导读
研究团队针对策略游戏 Freeciv 构建了回放系统 CivHarness，并训练出预测长周期胜负的 LLM Judge 模型 CivTelescope。在记分板陷阱样本中，CivTelescope 准确率比现成大语言模型高 1.3-2.0 倍。基于其密集奖励训练的智能体 CivMarshmallow 中期增益达 8.94 分，比终局奖励基线高 77%，并在 120 回合游戏中得分最高。
来源：arXiv cs.AI · arxiv.org