Craftax 程序策略新框架:反馈级联将通关率提至50%

一篇未正式刊发的论文提出“延续反馈+可复用目标编译器”,让编程智能体在 Craftax 长程游戏中把程序策略成功率从不足1%提升到50%,并可在不调用推理模型的情况下迁移到新任务。

一句话看懂:一篇未正式刊发的论文提出“延续反馈+可复用目标编译器”,让编程智能体在 Craftax 长程游戏中把程序策略成功率从不足1%提升到50%,并可在不调用推理模型的情况下迁移到新任务。

事件核心:发生了什么

Hugging Face Papers 于2026年11月14日收录一篇论文,作者提出面向代码策略训练的框架。编程智能体先借助模拟器反馈生成可执行程序,程序本身无需推理模型调用即可行动。在部分可观测、程序生成的 Craftax 环境中,仅用回合级反馈优化时,策略到达最终关的比例低于1%;改用“反馈级联”——从回合回报逐步细化到分层目标与信念更新——后,最终关到达率达到50%,击败最终Boss为28%。作者还将已学策略拆分为环境解释器与规则程序,训练可复用的目标编译器,把新任务映射为新规则程序。摘要称,仅用短任务训练出的五个编译器,在零样本条件下迁移到长任务,无需任务专属调优或推理期大模型调用。代码已开源于 GitHub。

为什么重要

这类工作的价值不在游戏本身,而在于给出一种“智能体写程序、程序办事情”的训练路径:推理成本被前置到合成和优化阶段,部署侧不再依赖大模型实时推理。对长程任务,它试图同时解决两个痛点——局部改进伤及全局成功,以及换目标就要重新合成本。若方法可复现,意味着编程智能体有机会从“单任务工具”变成“可迁移能力”,对强化学习、智能体框架和低成本推理路线都有参考意义。需要强调的是,当前依据仅为论文摘要,实验未经过同行评审核验,结论应限于 Craftax 这一任务和摘要所述评测条件。

对用户/开发者/创作者的影响

对开发者,最直接的可操作点是代码仓库:可以用开源实现观察反馈级联如何构造、目标编译器如何训练,是否适合接入自有模拟器。对 AI 应用团队,这类“程序化策略+离线编译器”如果落地,可能降低游戏 NPC、流程自动化、机器人控制等场景的推理算力账单。对普通用户,短期内不会出现可直接使用的产品功能,更多是后续智能体工具链可能变得更稳定、更便宜。目前公开信息显示,迁移实验只在摘要所述的短任务到长任务设置中完成,尚不能推断其他领域也同样有效。

GamsGo AI

AI 工具推荐

想把多个 AI 模型放在一个入口?

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。

值得关注的后续

一是论文全文与代码是否给出可复现的完整实验和基线对比;二是目标编译器在更多任务分布、更长时程上能否保持零样本迁移;三是是否有智能体框架或游戏 AI 产品跟进采用类似的“程序策略+反馈级联”范式。若社区复现结果与摘要一致,这条路线才具备进一步讨论商业化的基础。

来源:Hugging Face Papers

celebrityanime
celebrityanime
文章: 36045

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注