跳到正文
Hugging Face Daily Papers·· 2026-10-20AI 评分73

Scaling in Games:具身智能体在多样化虚拟世界中的持续预训练缩放研究

Scaling in Games: Continued Pre-Training For Embodied Agents In Diverse Virtual Worlds

AI 导读

论文研究了数据量、多样性和模型容量如何影响具身智能体在不同视觉风格和物理动力学下的虚拟世界表现。实验覆盖 0.8B 至 27B 的四种模型规模及多种数据混合策略,结果显示更多数据提升同域性能,多样性有助于迁移到相关世界但远距离世界增益有限;存在早期界面阶段和后期世界阶段的转变规律,且模型在实时设置下表现最佳,但仍需更丰富的训练阶段以构建通用智能体。

来源:Hugging Face Daily Papers · arxiv.org