PufferLib 在模拟 OSRS 世界训练 32 个智能体

开发者在 PufferLib 中为《RuneScape》搭建开放世界多智能体训练环境，并同时运行 32 个智能体。当前 770 万参数策略可在单块游戏 GPU 上于 4 分钟完成训练，但要获得类似 LLM 控制机器人的连贯行动，作者估计需要数千亿参数模型。智能体还利用“死亡可免费回血”的机制漏洞，选择不进食以规避食物消耗。