注册

论文提出 TactiNavi：为商业开放世界游戏提供 LLM 教练服务系统

论文AI 评分 72/100arXiv cs.AI待复核
AI 聚合

本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。

一篇 arXiv 论文介绍 TactiNavi，它是某商业开放世界游戏中 LLM 教练背后的服务系统，把「策略适用性」做成显式对象，由离线编译、在线执行、失败诊断和发布四个环节共享。离线编译器把带版本的游戏证据与专家指导转成带前置条件的策略包；服务层用三值条件在结构化玩家状态上判定，并记录决策轨迹；控制层依据条件与规则的依赖关系，在留出流量上验证修订。对三个部署期 1,122 条教练对话的回顾评估显示，带条件策略包把正确率从 57.9% 提到 82.0%，玩家状态变化下的策略误用从 18.1% 降到 10.4%，基于轨迹的主张核验精确率 86.4%，回复延迟中位数 2.07 秒。

全文梳理

AI 摘要依据下方信源原文自动整理，非原文转载

策略适用性作为显式对象

论文要解决的问题是：已部署的 LLM 教练给出的回答是否正确，取决于玩家状态和游戏版本，对一名玩家正确的建议换个人就可能出错。TactiNavi 的做法是把「策略适用性」从隐含在提示词或模型权重里的东西，变成离线编译、在线执行、失败诊断和发布四个环节共享的显式产物。离线编译器把带版本的游戏证据和专家指导整理成策略包，每个包都带明确的前置条件；服务层把这些前置条件当作三值条件，在结构化玩家状态上求值，同时记录决策轨迹，供后续诊断使用。

发布前的条件规则校验

控制层利用条件与规则之间的依赖关系，在留出流量上验证修订，通过后才发布。论文对三个部署期的 1,122 条教练对话做了回顾评估：带条件的策略包相比原子事实把正确率从 57.9% 提高到 82.0%；在玩家状态发生变化的情况下，策略误用从 18.1% 降到 10.4%。基于轨迹的主张核验精确率达到 86.4%，回复延迟中位数为 2.07 秒，说明这套校验没有把响应速度拖到不可用的程度。

多数「修复」其实是生成噪声

部署过程还暴露了一个容易被忽略的现象：看起来需要修复的失败，多数只是生成噪声。系统不做任何改动重跑一遍，就能让 38.4% 的失败对话恢复正常；15 个实际发布的修订单元中，只有 1 个能通过回顾性的发布检查。论文据此给出几条经验：把适用性当作一等服务对象、为后续诊断设计足够粒度的轨迹、把空模型（即不改动系统的重跑）纳入发布路径，用来区分真实缺陷与随机波动。

为什么值得看

把「策略何时适用」做成可编译、可验证的一等对象，并给出线上部署的量化收益与失败复盘，对做 LLM 智能体落地的人有直接…

论文

信源1 家

  1. [1]arXiv cs.AI一手信源TactiNavi: Serving and Revising an LLM Game Coach with Explicit Strategy Conditions

关键事实

  • TactiNavi 是某商业开放世界游戏中 LLM 教练背后的服务系统，论文作者共 12 人[1]

  • 离线编译器把带版本的游戏证据与专家指导编译成带显式前置条件的策略包[1]

  • 对三个部署期 1,122 条教练对话的回顾评估中，带条件策略包把正确率从 57.9% 提升到 82.0%[1]

  • 玩家状态变化下的策略误用从 18.1% 降至 10.4%，基于轨迹的主张核验精确率为 86.4%，回复延迟中位数 2.07 秒[1]

  • 系统未改动时重跑可恢复 38.4% 的失败对话，15 个已发布修订单元中仅 1 个通过回顾性发布检查[1]

相关 · 论文

Axiom Math 融资 16 亿美元，为 AI 数学构建可验证基础

11月6日 周五·AI 72

BEAKER：面向自动驾驶化学实验室的具身智能基准发布

11月5日 周四·AI 68

FrontierPhysics 基准发布：56 项任务考察智能体端到端物理研究

11月5日 周四·AI 78

HALO 人形机器人系统：仿真训练实现零样本真机迁移，成功率 91%

11月5日 周四·AI 82

本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。

去论坛讨论