Kirjaudu sisään
näkemys - ゲームAI
StarCraftⅡマクロ管理タスクのための小規模言語モデルSC-Phi2
小規模言語モデルPhi-2を使用して、StarCraftⅡのマクロ管理タスクを効率的に実行する。
超人級のGoAIでも意外な弱点を持っている
GoAIは平均的な性能は人間を大きく上回るが、最悪の場合の性能は人間に劣る可能性がある。防御策を講じても、新しい攻撃手法に対して脆弱性が残る。
直感的な物理学的前提に基づいてビデオゲームをプレイする方法を学ぶ
人間のように直感的な物理学的前提を活用することで、ビデオゲームをより効率的に学習できる。
13時間以内にラビリンスを解くこと: 関数呼び出しによるAIゲームマスターの強化
関数呼び出しを活用することで、テキストベースゲームのAIゲームマスターの一貫性と信頼性を高めることができる。
ByteRLの弱点を利用して勝つ方法: 収集可能なカードゲームエージェントの脆弱性
ByteRLは収集可能なカードゲームで最強のエージェントだが、その戦略には弱点がある。
観察空間でのトランスフォーマーベースの計画 - トリック取りカードゲームへの応用
観察空間でのMCTSを活用し、ゲーム固有のモデルに依存しない方法でゲームの計画を行う。トランスフォーマーがこのコンテキストに適していることを示し、自己対戦を通じた反復的な学習プロセスを提案する。
ゲームエージェントの一般化を強化するためのイミテーションラーニングにおけるデータ拡張
イミテーションラーニングにおけるデータ拡張は、ゲームエージェントの一般化性能を向上させることができる。
LLMベースのゲームエージェントに関する包括的な調査
LLMベースのゲームエージェントは、人間のような意思決定能力を持つゲームエージェントを進化させ、強化するための重要な機会を提供する。
大規模言語モデルとビデオゲーム：予備的スコープレビュー
ビデオゲームにおける大規模言語モデル（LLMs）の潜在的な可能性を探る。
NetHackをLLMsと一緒にプレイする：ゼロショットエージェントの可能性と限界
大規模言語モデル（LLMs）を使用したNetPlayエージェントは、詳細な指示を実行する能力を示し、柔軟性と創造性に優れていますが、より曖昧なタスクには苦労しています。
Tuotteet
© 2024 by Linnk AI