arXiv发布Player-1框架强化游戏控制能力

发生了什么

据arXiv cs.CV论文，研究介绍Player-1，一个通过合成经验强化学习提升游戏控制能力的后训练框架。该框架扩展了计算机使用动作空间，并在6044条精选游戏轨迹上微调模型。构建的Player-1-Gym包含16个合成环境。实验显示，Player-1-9B和Player-1-35B-A3B在MineDojo-300上的成功率分别比SFT策略提高27.8和17.7个百分点，其中Player-1-9B达到38.33%的成功率。