模型Player-1-9B / Player-1-35B-A3B
Player-1
基于计算机使用模型扩展的游戏控制框架，通过合成环境和可验证奖励进行强化学习后训练，支持精细连续控制操作
时间轴 (近 90 天)
10月15日
Player-1 是一个超越演示学习、通过合成经验进行后训练的游戏控制框架。
待验证50%
10月15日
Player-1 在计算机使用模型基础上扩展了三类动作：相对指针运动、持续输入和复合动作。
待验证50%
10月15日
研究团队整理了 6,044 条精选游戏轨迹，用于监督初始化微调计算机使用模型。
待验证50%
10月15日
在 ViZDoom-10 和 GameWorld 上，强化学习后的模型优于纯 SFT 版本。
待验证50%
10月15日
合成环境覆盖越广泛，模型在新环境中的迁移表现越好。
待验证50%
10月15日
在强化学习训练过程中，模型越来越多地使用同时组合多个键盘和鼠标输入的复合动作。
待验证50%
10月15日
合成经验路线绕开了人类演示数据的瓶颈，因为程序化生成的训练环境和可验证奖励可按需扩展，但合成环境与真实游戏之间的差距仍然存在。
待验证50%
全部知识事实 (7)
待验证
Player-1 是一个超越演示学习、通过合成经验进行后训练的游戏控制框架。
50%待验证Player-1 在计算机使用模型基础上扩展了三类动作：相对指针运动、持续输入和复合动作。
50%待验证研究团队整理了 6,044 条精选游戏轨迹，用于监督初始化微调计算机使用模型。
50%待验证在 ViZDoom-10 和 GameWorld 上，强化学习后的模型优于纯 SFT 版本。
50%待验证合成环境覆盖越广泛，模型在新环境中的迁移表现越好。
50%待验证在强化学习训练过程中，模型越来越多地使用同时组合多个键盘和鼠标输入的复合动作。
50%待验证合成经验路线绕开了人类演示数据的瓶颈，因为程序化生成的训练环境和可验证奖励可按需扩展，但合成环境与真实游戏之间的差距仍然存在。
50%