Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
Кодинг-агенты научились за один автономный сеанс собирать отдельную программу, которая затем играет без вызовов LLM. В нерецензированном препринте, где все числа получили сами авторы, лучший контроллер прошёл 86,25% скрытых вариантов процедурной игры, а другие победили встроенных соперников в StarCraft II и Freeciv. Такой подход переносит работу модели в этап разработки: во время игры исполняется обычный код.
Joey Xiao и Haonan Huang предложили протокол Gauntlet. Кодинг-агент получает описание игры, необработанный интерфейс наблюдений и действий, исполняемую среду и пустой файл для управляющей программы — без готовой стратегии, памяти, планировщика или каркаса. Агент запускает игру, изучает результаты, пишет вспомогательный код и меняет программу, пока не решит остановиться.
После этого код замораживают и проверяют на недоступных при разработке сценариях. В закрытой процедурной игре результаты разных систем лежали между нулём и 86,25%; каждый сеанс Fable 5 превзошёл лучший сеанс Opus 4.8. Сильные программы не ограничивались набором реакций: они моделировали движение снарядов на нескольких горизонтах, хранили состояние и каждый шаг пересчитывали действия.
В StarCraft II одна такая программа победила всех честных встроенных соперников и два варианта, которым игра давала преимущества. В Freeciv программы выигрывали полные партии против встроенного новичка полным завоеванием. Результат не означает, что ручная архитектура больше не нужна, но показывает другой вариант системы: LLM самостоятельно проектирует проверяемый исполняемый компонент, а не принимает решение на каждом ходе.
Протокол проверяли на закрытой игре, браузерных портах, StarCraft II через прямой API и Freeciv. Он использует структурированные наблюдения, поэтому не измеряет зрительное восприятие и адаптацию модели во время игры. В Freeciv участвовало одно семейство моделей, а свежие сеансы одной системы создавали программы разного качества — оценивать нужно весь разброс результатов, а не одного победителя.
Источники
Иллюстрация: рисунок из статьи «Compiled Agency: Frontier General-Purpose Coding Agents Build Winning Game Players from Bare Interaction - from Flappy Bird to StarCraft II and Civilization», Joey Xiao, Haonan Huang, CC BY 4.0
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
