摘要：表 3 比较了预训练模型和 SFT 模型以及基于 Assistance Games 的策略。作者使用结合 piKL 的人类模型对每个模型进行了超过 1000 轮评估，并报告了与表 1 相同的指标。预训练策略和 SFT 策略均略微减少了实现相似目标完成率所需的人
机器之心报道编辑：泽南、杨文人和智能体共享奖励参数，这才是强化学习正确的方向？大模型驱动的 AI 助手又升级了。本周五，科技圈正在围观一个陪你一起玩《我的世界》的 AI。
表 3 比较了预训练模型和 SFT 模型以及基于 Assistance Games 的策略。作者使用结合 piKL 的人类模型对每个模型进行了超过 1000 轮评估，并报告了与表 1 相同的指标。预训练策略和 SFT 策略均略微减少了实现相似目标完成率所需的人类操作数量（约 4-5 个）。SFT 策略平均构建了约 3% 的目标结构。相比之下，使用 AssistanceZero 训练的策略将人类操作数量减少了约 65 个，同时提高了目标完成率；它构建了约 26% 的目标。作者还比较了 AI 助手与真人的表现。比较四种条件下的人类玩家：独自一人（无助手）、使用 SFT 策略、使用 AssistanceZero 训练的助手以及与专家人类助手一起进行游戏，每个参与者连续五次建造同一栋房屋。第一次用于练习，帮助受试者熟悉《我的世界》的操作和目标结构，随后受试者在四种条件下以随机顺序建造房屋。在每次互动结束后，受试者对其整体实用性进行评分，结果显示经过 AssistanceZero 训练的助手表现明显优于 SFT 助手，并接近人类基准。其中，参与者对 AssistanceZero 能够从纠正中有效学习的能力印象深刻。例如，在人类破坏一两个错误方块后，AssistantZero 也能破坏多个错误方块，相比之下 SFT 助手则完全没有帮助。伯克利的研究人员希望，基于 Assistance Games 的工作最终可以帮助大语言模型实现解决复杂问题的能力。参考内容：https://x.com/cassidy_laidlaw/status/1910708807258534008© THE END转载请联系本公众号获得授权原标题：《魔改AlphaZero后，《我的世界》AI老玩家问世，干活不用下指令》 来源：小楼会飞游戏
免责声明：本站系转载，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与本站联系，我们将在第一时间删除内容!