arXiv · cs.AI· Jordy Kieto·· 21 天前AI 评分49
梦中学习、现实取胜：面向十英雄 MOBA 的连续 Dyna 循环世界模型
Learning in Dreams, Winning in Reality: A Continuous Dyna Loop for a Ten-Hero MOBA
来源与原文
arXiv · cs.AI
作者：Jordy Kieto
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.08033v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者为一个完整的十英雄 MOBA（206 单位、每局最多 6,000 ticks）训练结构化多智能体世界模型，仅在模型内用 1,400-tick 想象 episode 训练策略，再通过连续异步 Dyna 循环在真实游戏中评估。该策略作为 radiant 在 600 局未见种子中胜率达 70.2%（95% CI 66.4–73.7），较循环前的 33.7% 大幅提升，Dyna 修复策略自身对局上的模型误差带来 +9.2 点胜率。世界模型、dream-PPO 训练框架、调试器与全部策略日志已开源。
来源：arXiv · cs.AI · arxiv.org