主要来源arXiv cs.AI
查看原文事件专题 ·单一信源
System-One RSI:用引导式练习为交互式智能体建立肌肉记忆
arXiv 论文提出 System-One RSI 框架,让智能体通过自主练习掌握亚秒级实时控制,无需专家演示。框架包含两个循环:高频在线内循环是 OODA 周期,由一个 27B 决策模型将视觉观察和任务问题转为结构化判断,再用决策树转化成带时间戳的动作,全程不调用推理模型以避免延迟;离线外循环由一组推理智能体组成,负责修订决策模型提示词和决策树、抓取交互记录、从记录中生成监督信号并训练更新参数。 实验在三个环境中验证:Snake 平均分从 1.30 升至 7.35;《绝区零》评测场景中位完成时间缩短 8.4%;《黑神话:悟空》战斗场景中,闪避策略平均存活时间是静止基线的 11 倍,进攻策略胜率从 0% 提升至 66.7%。整个流程只需少量真实对局,不需要专家演示、环境改造、沙盒隔离或并行仿真。 该方法的借鉴点是:推理模型负责离线复盘和改进,决策模型负责在线低延迟执行,两者分工解决了推理延迟与实时控制的矛盾。对需要做游戏智能体、机器人控制等实时交互任务的开发者,这是一条不依赖人工标注数据的训练路线。
当前结论
推理模型慢、做不了实时控制,这篇用内循环 OODA 决策加外循环智能体复盘的方法解决了。玩《黑神话:悟空》胜率从 0% 练到 66.7%,只需少量真实对局。做游戏智能体或机器人实时控制的开发者可以仔细看实验设置。
2 个信源49° AI 热度最后更新 2026/11/19 12:27:36
证据链
2 个信源相关来源 1Latent.Space
查看原文冲突核查
现有去重数据只说明这些来源讨论同一事件,不代表立场相同。当前没有结构化的支持或反驳证据,不自动推断冲突。