GameBoyWorlds：具身游戏自我改进测试平台
原文标题：GameBoyWorlds: A Testbed for Self-Improvement in Embodied Video Games
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究者提出 GameBoyWorlds，用于评估智能体能否在无演示、无文档、无奖励的情况下通过自主探索实现自我改进。执行测试中，前沿模型在 500 个任务上完成率不足 50%，多模态环境接地是主要瓶颈。该平台还包含两款同人宝可梦游戏的端到端通关测试，现有复杂智能体流水线连首个里程碑都难以达成。
- 问题
- 智能体能否在无演示、无文档、无奖励下自主探索并自我改进。
- 方法
- 提出GameBoyWorlds测试平台，含500任务执行测试与两款同人宝可梦端到端通关测试。
- 结果
- 前沿模型500任务完成率不足50%；现有自我改进方法均失败，好奇心探索写攻略仅部分成功。
- 影响
- 为自改进智能体提供可量化测试床，暴露多模态环境接地是当前主要瓶颈。
深读 · 结论先行AI 生成展开看要点与影响 ↓
无演示无奖励下，前沿模型在GameBoyWorlds 500任务完成率不足50%
- •GameBoyWorlds评估智能体能否在无演示、无文档、无奖励下靠自主探索自我改进
- •执行测试含5个游戏系列，前沿模型在500个任务上完成率不足50%，多模态接地是主要瓶颈
- •世界建模与自主技能发现均失败，基于好奇心的探索写攻略仅部分成功
- •Playthrough测试两款同人宝可梦游戏，现有复杂智能体流水线连首个里程碑都难达成
为什么重要：对「智能体可自我改进」的乐观预期构成直接反证，指出多模态环境接地仍是硬瓶颈。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。