待验证50% 置信事实精确时间

DeepMind的DQN智能体在多款Atari游戏中达到超人表现，但微小的视觉扰动就能导致性能崩溃

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

VGDL编译为因果模型：游戏AI如何理解真实规则

涉及实体

DQNmodel DeepMindcompany Atariproduct

相关事实

待验证AI生成的塔防游戏Demo暴露多个问题：窗口尺寸异常、下边缘视角移动失效、缺乏2.5D立体感、怪物3D模型未渲染、使用粗糙初版模型而非提供的高质量设计稿61% 相似待验证DeepSeek不具备视觉理解能力，无法看懂截图，因此通过读取游戏内部状态和画布像素数据来间接判断渲染情况61% 相似待验证《World Models》论文将智能体认知系统分解为视觉压缩模块（V）、混合密度记忆模块（MDN-RNN）和控制器（C）三部分60% 相似已验证对一张被神经网络正确分类的图像叠加人眼几乎不可见的微小扰动后，模型输出会以极高置信度发生错误59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/893936

API

curl https://kongchang.com/api/v1/knowledge/claims/893936

MCP

get_claim(id=893936)