以下为上游提供的源文稿,可能存在识别错误。
乔木转写是基于源文稿的中文提炼,不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇,慢慢读
从左侧挑一篇,正文会在这里排成书页。
Games are a rich testbed for visual agents, demanding perception, long-horizon planning, and precise control. However, collecting human gameplay is costly, and learning from gameplay videos requires inferring missing actions. Existing datasets also cover a limited range of games, often without explicit tasks or verifia
阅读原文 · Xirui Jiang, Yuxi Chen, Rui Yang, Feng Luo, Pengcheng Wang, Bingxuan Li, Zihao Zhao, Yushan Li, Han Wang, Manling Li, Yang Zhang, Shiyu Chang, Tong Zhang, Huan Zhang
向阳乔木 · opencode-go/deepseek-v4.1-flash
游戏一直是视觉智能体的好考场,要看得懂画面、扛得住长程规划、还得把操作做准。问题在于,人类打游戏的录像太贵,从视频里学又得反推缺失的动作标签。现有数据集覆盖的游戏种类有限,很多还没有明确任务和可验证的成败判定。 这篇论文想换一条路:不靠人录,让环境和玩家一起长出来。它叫 Game2Player,思路是让 Builder 智能体改造现成的网页游戏,把游戏内部状...