#游戏AI
共 42 篇相关文章
本地模型为何在Doom游戏决策中击败Jev AI API？
YouTube视频对比显示，本地模型GLiNER在Doom游戏中以12毫秒响应和8.8次/秒决策频率，大幅超越Jev AI API的2.5次/秒，得分翻倍。
《部落冲突》手游画面分割数据集：6.9k帧、1.9k类
Reddit分享的《部落冲突》手游画面实例分割数据集，含6.9k帧、约420万掩码、1.9k类别，提供YOLO seg和COCO格式，验证集按基地划分，免费样本可在线查看。
GPT-5.6 Sol 通关《Factorio》和平模式：AI游戏能力新突破
GPT-5.6 Sol 据称能通关《Factorio》和平模式，引发 Hacker News 热议。本文分析该消息的背景、技术意义及对 AI 游戏研究的启示。
AI智能体集群实战：Minecraft与Mindustry中的群体智能实验
Hacker News讨论分享在Minecraft和Mindustry中运行AI智能体集群的实验，探讨多智能体协作、通信开销与涌现行为等关键问题，为AI智能体研究提供游戏化测试床的新视角。
纯棋盘输入训练贪吃蛇AI：简化设计击败复杂特征工程
开发者用C++17和PPO训练贪吃蛇智能体，仅用固定棋盘one-hot输入，平均得分267/297，21%对局填满棋盘。实验揭示gamma比特征工程更重要，简化输入反超复杂设计，并分享失败回放与价值估计校准的实践经验。
自博弈AI为何总被廉价兵种打崩？RTS开发者亲述困境
独立开发者用纯自博弈训练RTS指挥官AI，却发现AI对历史版本胜率极高，却被人类玩家用廉价一级兵种击溃。本文分析自博弈策略坍塌的成因，探讨剥削者、多样性奖励与奖励设计等解决路径，并介绍其开放Bot Kit与AI联赛计划。
NVIDIA RTX Spark：用本地AI算力重构游戏神经渲染
NVIDIA 推出 RTX Spark Windows PC 平台，基于 Blackwell RTX 架构，面向 AI 开发、内容创作与游戏，主打神经渲染与 AI 角色在本地实时运行，覆盖轻薄笔记本与紧凑台式机形态。
AI用2.5天打造JAX环境，让《Getting Over It》智能体胜率85%
Reddit 用户借助 Opus 5.5 构建 JAX 版《Getting Over It》环境，经 2.5 天训练，智能体在真实游戏胜率达 85%，展示 LLM 驱动环境生成的潜力。
用Rust写模拟器训练PPO智能体刷暗黑2重制版深渊
Reddit网友分享用Rust无头模拟器训练PPO智能体刷暗黑2重制版深渊：单CPU约20分钟、47.5万参数，奖励按刷图速率设计，死亡扣1000分，仅限离线使用。
用DOOM游戏训练神经网络：一次硬核实验
开发者用DOOM游戏构建神经网络，将经典FPS游戏画面作为训练数据。本文分析其技术路线、数据预处理、网络结构选择及这类实验的价值与局限。
强化学习通关《抡大锤》：63%进度背后的分布式训练策略
开发者用深度强化学习挑战《抡大锤》，智能体从底部攀爬至63%进度，卡在铁砧部分。项目开源，采用分治训练和CPU训练策略，寻求社区协作突破瓶颈。
LLM Agents挑战宝可梦对战：AI智能体博弈新实验
Hacker News热议项目让LLM Agents玩宝可梦对战（Pokemon Showdown），探索大语言模型智能体在不完全信息博弈中的策略决策能力，分析AI智能体能力边界与游戏对抗实验价值。
神经进化玩超级马里奥超越人类：原理与启示
Reddit热帖展示神经进化AI在《超级马里奥》中超越人类表现。本文解析神经进化的核心机制、超越人类的原因及其对AI研究与游戏设计的启示。
开发者打造Sandtris AI对手，浏览器免费对战
开发者打造Sandtris AI对手，推出免费浏览器游戏Sandtris Duel，邀请玩家对战测试。了解这个沙盒俄罗斯方块AI项目的特点与后续计划。
腾讯IntelliScene：多智能体推理驱动游戏场景布局
腾讯游戏AI团队在B站展示IntelliScene多智能体游戏场景布局系统：1.0用LLM集群与慢思考实现叙事驱动布局，2.0引入视觉语言模型与概念艺术引导，3.0提出分层放置架构，关键物体恢复率超90%，放置速度显著优于现有方案。
混合智能体通关暗黑破坏神I：钢铁侠模式抵达第9层
混合AI智能体在暗黑破坏神I钢铁侠模式下抵达地下城第9层。项目采用算法+强化学习混合架构，包含CNN+LSTM注意力机制、装备评分公式和奖励塑形迭代，开发者分享了完整的技术实现与当前瓶颈。
开源大模型在《Among Us》投票中为何输给小网络？
开发者用开源大模型 gpt-oss:20b 替代《Among Us》模拟器中的小型投票网络，六种配置下大模型从未胜出。本文详述实验设置、八人与十五人局数据对比，分析通用大模型为何不敌领域专用小网络。
用PPO智能体让AI跑《神庙逃亡》：手机端实测最远16782米
开发者用PPO强化学习智能体玩《神庙逃亡》，通过Frida直接读取游戏内存并调用游戏方法操作，自建C++无头模拟器6分钟训练1000万步，真机14次实测中位数4736米、最远16782米，GitHub已开源。
