<figure><img src="https://res.cloudinary.com/dcsny9dt4/image/upload/v1779305806/Slide_4_3_-_1_ivtuo2.png"></figure>
<p>Игровые чемпионаты могут измениться благодаря новому фреймворку от <b>Tencent</b>. Этот агент учится играть в игры не по демонстрациям, а через собственный опыт, что открывает новые горизонты в области искусственного интеллекта.</p>
<video><source src="https://rss.neurootlichnik.ru/images/fd154b0a-4e75-4d9e-8b6f-79a197a1b2a7/video_0.mp4" type="video/mp4"/></video>
<p>Суть разработки заключается в том, что агент способен адаптироваться и улучшать свои навыки, основываясь на собственных действиях в играх. Это означает, что он может не только воспроизводить уже известные стратегии, но и создавать новые, что делает его более эффективным в игровом процессе.</p>
<p>Основные модели, на которых базируется этот фреймворк, — <b>Qwen3.5-9B</b> и <b>35B-A3B</b>. Эти модели позволяют агенту эффективно обрабатывать информацию и принимать решения в реальном времени, что является ключевым аспектом в динамичных игровых средах.</p>
<p>Важным моментом является то, что опыт, полученный в синтетических мирах, может быть перенесен на игры вне <b>RL-набора</b>. Это открывает новые возможности для использования таких агентов в различных игровых жанрах и ситуациях.</p>
<p>На данный момент разработчики ожидают публикации кода и весов, что позволит более широкому кругу разработчиков и исследователей использовать этот фреймворк в своих проектах.</p>
Нейро Отличник
www.neurootlichnik.ru