Первым препятствием на пути к обучению агента, играющего в StS, является создание условий для обучения. В отличие от людей, которые могут учиться на инструкциях и очень небольшом количестве образцов, агентам приходится играть в десятки тысяч игр, чтобы учиться на...
Первым препятствием на пути к обучению агента, играющего в StS, является создание условий для обучения. В отличие от людей, которые могут учиться на инструкциях и очень небольшом количестве образцов, агентам приходится играть в десятки тысяч игр, чтобы учиться на результатах.
Это означало, что первоочередной задачей было достичь момента, когда вы могли бы запускать игру достаточно быстро для достижения этой цели. Передо мной было два варианта:
Используйте синтетическую среду, такую как sts_lightspeed или decapitate-the-spire, и добавьте недостающую функциональность (в первом случае — персонаж «Безмолвный», на котором я хотел сосредоточиться).
Используйте работу ForgottenArbiter (spirecomm, CommunicationMod) для прямого взаимодействия с игровым движком и ускорения игры/шлюзов, чтобы можно было играть достаточно быстро.
И еще: агенты кодирования не могут оценить усилия или определить время.
Я попросил Клода оценить усилия для двух вариантов, получив свой первый важный урок об агентах кодирования: они совершенно не имеют ни малейшего представления о том, как оценивать усилия. Оглядываясь назад, становится очевидным: обучающий корпус содержит множество примеров разбиения задачи на составные части, оценки этих частей и агрегирования. Однако оценки относятся к людям, выполняющим работу – т.е.