Cross-play Minimization

新的XPM-WM框架利用世界模型提高AI智能体训练效率

研究人员开发了一个名为XPM-WM的新框架，该框架显著提高了训练协作式AI智能体的效率。该方法利用学习到的世界模型（WM）来生成模拟轨迹，从而绕过了基于种群的训练（PBT）方法（如交叉博弈最小化（XPM））通常需要的计算成本高昂的混合博弈轨迹。通过消除这一瓶颈并引导智能体训练，XPM-WM展示了卓越的样本效率，并与种群规模呈线性扩展，有效地生成了多样化且高性能的协作智能体。