职位：通过转换复杂性分析游戏世界

摘要

arXiv:2608.18079v1 Announce Type: new Abstract: Game world modeling (GWM) and reinforcement learning (RL) are often confounded because research papers rarely quantify how difficult the underlying tran...

and the TCP GWM papers how transition with induced probe

2026-08-20 1 阅读约1分钟阅读 Lele Cao

arXiv:2608.18079v1 公告类型：新摘要：游戏世界建模 (GWM) 和强化学习 (RL) 经常被混淆，因为研究论文很少量化所声明的接口（具有有限历史的像素/令牌/潜在特征）处的潜在转换预测问题有多困难。我们提出了转换复杂度概况（TCP）：一组小的、可重复的指标，通过（i）内在的单步分支，（ii）交互引起的不确定性和可观察到的对手影响，以及（iii）通过标准化探测曲线的时间/空间依赖性跨度来表征环境（或游戏数据集）引起的转换内核。 TCP 报告具有明确的参考分布、协议随机性和版本化测量预算（采样/重采样和固定探测计算），从而实现跨基准的可比数字。我们概述了常见游戏系列和现代“神经游戏引擎”领域如何填充这一领域，并呼吁 TCP 成为标准基准元数据以及 GWM 和 RL 论文中所需的统计数据。

订阅66必读