StarCraft II
PulseAugur coverage of StarCraft II — every cluster mentioning StarCraft II across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
《星际争霸》以开放世界射击游戏形式复活，将于2030年推出 · 追踪6个来源
暴雪娱乐宣布推出一款新的《星际争霸》游戏，这将是一款剧情驱动的开放世界射击游戏。该游戏于2026年暴雪嘉年华上公布，但预计要到2030年春季才能发布。这是十多年来首款新的《星际争霸》游戏，此前有2017年的原版重制版和2010年发布的《星际争霸II》。
-
AI智能体基准测试噪声审计，SIGMA框架应对多智能体鲁棒性
两篇新研究论文探讨了AI智能体性能和鲁棒性方面的挑战。第一篇论文介绍了SIGMA，一个旨在通过考虑观测中的结构化噪声效应来改进多智能体强化学习的层级框架，并在《星际争霸II》中展示了改进的鲁棒性。第二篇论文审计了智能体基准测试中的测量变异性，特别检查了工具调用端点，发现提示扰动比重新运行引入了更显著的噪声，影响了准确性和故障模式。
-
新的人工智能控制方法影响了人类对公平性和毒性的感知
研究人员开发了一种名为运行时动作干扰（RAI）的新型人工智能控制机制，该机制可以在人工智能的初始推理后调节动作节奏并过滤特定行为。该系统被应用于《星际争霸II》中AlphaStar的复制版本，并在人类参与者研究中进行了测试。研究发现，披露人工智能的能力会导致较低的公平性感知和较高的毒性感知，而信任度则因专业知识水平的不同而异。
-
Google DeepMind 与 Fenris Creations 合作推进AI研究
Google DeepMind 正在利用其在AI研究方面15年的历史，包括在Atari和StarCraft II等游戏中的突破，来探索AI发展的新领域。通过与Fenris Creations的合作，他们旨在应对持续学习、深度记忆系统、长时规划和多智能体动力学等方面的挑战。最终目标是创造新颖的游戏体验，并将这些AI进步应用于现实世界问题和科学发现。
-
新的EpicStar框架提升了大型语言模型在《星际争霸II》中的策略推理能力
研究人员开发了EpicStar，一个旨在提升大型语言模型（LLMs）在复杂、长时限环境中的策略推理能力的新框架。该框架通过整合成功的过往案例的记忆库和用于追踪环境变化的运行内存，解决了维持策略连贯性方面的局限性。在《星际争霸II》中进行测试，EpicStar表现优于基线方法，以显著降低的代币消耗实现了更高的胜率。
-
New Transformer Framework Bridges MARL to SARL for Enhanced Coordination
研究人员开发了共识多智能体Transformer（CMAT），一个旨在弥合合作多智能体强化学习（MARL）与分层单智能体强化学习（SARL）的新型框架。CMAT使用Transformer编码器处理大型联合观测空间，并通过分层决策机制解决广泛的联合动作空间问题。该机制自回归地生成一个高级共识向量，使智能体能够在潜在空间中就策略达成一致，并同时生成与顺序无关的动作。在StarCraft II、Multi-Agent MuJoCo和Goog…
-
新框架为 RTS 游戏改进生成反事实反馈
研究人员开发了一个名为“潜在表现图谱”（Latent Maps of Performance）的框架，用于生成反事实反馈，以改进即时战略游戏（特别是 StarCraft II）中的人类玩家。该方法使用在职业选手录像上训练的引导式变分自编码器，将玩家改进建模为学习表示空间内的算法追索。该框架能够实现输赢游戏玩法剖面之间的反事实遍历，提供基于专家行为的多步改进轨迹。
-
Google 投资 Eve Online 制造商以训练 AI 模型处理玩家行为
Google 的 DeepMind 已收购 CCP Games（现称为 Fenris Creations）的少数股权。CCP Games 是长期运行的太空模拟游戏 Eve Online 的开发者。此次合作将使 DeepMind 能够利用该游戏丰富的玩家行为数据来训练其 AI 模型，旨在推进 AI 在长期规划和持续学习等领域的能力。此次合作还计划探索由 AI 驱动的新游戏体验，借鉴 DeepMind 此前在训练 StarCraft II…
-
AI编码代理在游戏、机器人和软件开发中展现高级能力 · 追踪10个来源
近期研究探讨了AI编码代理在各个领域的性能和局限性。一项研究表明，前沿编码代理能够从零开始自主构建《星际争霸II》和《文明》等游戏的获胜玩家，这是以前无法实现的壮举。另一篇论文介绍了一种名为WetRobo的可复现机器人套件，专为生物实验室设计，使编码代理能够在无需人工遥操作或重新训练的情况下适应和执行任务。此外，还提出了一个名为AgentPack的新数据集，包含人类和代理共同编写的代码编辑，这有望用于训练更有效的代码编辑模型。进一步的…