La pratique dans des jeux synthétiques améliore la réussite aux tâches Minecraft

Les démonstrations de jeu ne couvrent qu’une partie des situations qu’un modèle peut rencontrer, et il est difficile de créer des environnements d’interaction à grande échelle.

La recherche examine si la pratique dans des jeux synthétiques peut améliorer le contrôle au-delà de l’apprentissage à partir d’exemples, et si les gains se retrouvent dans des jeux hors des environnements d’entraînement.

Player-1 entraîne des modèles capables d’utiliser un ordinateur à partir d’exemples de jeu, puis utilise des récompenses vérifiables dans des jeux synthétiques pour améliorer leur capacité à contrôler les jeux.

Player-1 examine si la pratique dans des jeux synthétiques peut améliorer le contrôle au-delà des démonstrations de jeu.

Le cadre apprend à des modèles capables d’utiliser un ordinateur à partir d’exemples sélectionnés, puis les fait apprendre par interaction dans des environnements synthétiques où les récompenses sont calculées à partir des changements de score.

Sur 300 tâches Minecraft, le taux moyen de réussite du modèle 9B était de 38.33 % après l’entraînement par interaction, contre 10.54 % après l’apprentissage sur des démonstrations seules.

Le taux a été calculé sur huit essais par tâche, puis moyenné en donnant le même poids à chaque tâche, ce qui étaye un gain sur cet ensemble.

Les résultats portent sur des ensembles d’évaluation et des budgets d’essais précis : 300 tâches Minecraft, 10 cartes de jeu à la première personne et 170 tâches de jeux sur navigateur réparties sur 34 jeux.

Ils montrent des gains pour les modèles testés sur ces ensembles, sans établir leurs performances sur tous les jeux ou toutes les tâches.