开源决策模型通过持续训练提升即时策略游戏对战能力

一个团队让开源决策模型参与《红色警戒2》和坦克大战对战，并通过“玩 → 训练 → 升级 harness → 重复”的循环持续改进。经过数轮训练，模型可在无人干预下自我改进，在竞技场对战中没有人类玩家能够击败训练后的模型。该端到端训练方法已开源，后续计划将其发展为通用决策模型训练基础设施。