用合成经验教AI玩游戏：Player-1把成功率从12.63%提到38.33%

玩游戏对人工智能来说并不简单。屏幕上的画面变化快，按键和鼠标要配合，很多局面在示范数据里根本没见过。一项新研究提出了Player-1，一个在示范之外继续学习的训练框架。

研究者先整理了6044条游戏操作轨迹，把动作、任务说明和视觉推理配对，用来微调电脑操作模型。他们还搭建了Player-1-Gym，包含16个合成的2D和3D环境，用程序自动给出奖励，并通过随机化观察和控制动态来支持多环境强化学习。

结果显示，Player-1-9B在MineDojo-300上的成功率从监督微调后的水平提升了27.8个百分点，达到38.33%，而评估中最强的基线只有12.63%。在ViZDoom-10和GameWorld上也有进一步增益。分析还发现，合成环境覆盖越广，迁移效果越好，强化学习过程中组合动作的使用也在增加。

这项工作的意义不只在于游戏分数。它提示了一种思路：当真实示范难以覆盖所有情况时，用可验证的合成经验补充训练，可能让数字操作更灵活。至于这种能力能走多远，还需要更多环境来检验。