دراسة: تدريب وكلاء الذكاء الاصطناعي على ألعاب متنوعة يتفوق على Minecraft وحده

نشر فريق بحثي يضم أعضاء من فريق هونكاي للبحث والتطوير في الذكاء الاصطناعي التابع لشركة miHoYo وجامعة تسينغهوا وجامعة العلوم والتكنولوجيا في الصين وجامعة هونغ كونغ وجامعة سنغافورة الوطنية وجامعة بكين، في 20 أكتوبر 2026، نسخة أولية من دراسة بعنوان "Scaling in Games: Continued Pre-Training For Embodied Agents In Diverse Virtual Worlds"، حسبما ذكر موقع automaton-media.com.

استخدمت الدراسة نموذج Qwen3.5 متعدد الوسائط من Alibaba، وواصلت التدريب المسبق على بيانات تشغيل تراوحت بين 50 و1600 ساعة موزعة على 79 مجموعة بيانات ألعاب، مع 120 حالة تجريبية مضبوطة تتفاوت في حجم النموذج وكمية البيانات ونسبة بيانات Minecraft.

وأظهرت النتائج أن النماذج المدرَّبة على Minecraft وحدها توقفت عن التحسن أو تراجعت في مقياس الخسارة المجمعة للتحقق، وسجلت أدنى نتيجة بين الحالات الخمس في اختبارات شملت ViZDoom. في المقابل بلغ متوسط نتيجة OGA للنماذج المدرَّبة على ألعاب متنوعة نحو 2.8 مرة نتيجة نماذج Minecraft وحدها عند 1600 ساعة من بيانات التدريب.

كما تحسن الأداء في لعبة DOOM رغم أنها لم تشكل سوى جزء صغير من بيانات التدريب، بينما لم تتفوق النماذج باستمرار على خط الأساس للتدريب المسبق في اختبارات GameWorld ثنائية وثلاثية الأبعاد الجزئية. وفي اختبارات الزمن الحقيقي تفوق نموذج الفريق على ذكاءات اصطناعية عامة مثل GPT-5.6 Sol وClaude Opus 5.0 وGemini-3.8-Flash في عدة ألعاب من بينها Minecraft، غير أن تلك النماذج العامة سجلت نتائج أعلى في الظروف غير الفورية.

سياق سابق

ذكرت الدراسة أن الأعمال السابقة في التدريب المسبق المستمر للوكلاء المتجسدين كانت تغيّر كمية البيانات وتنوعها وحجم النموذج في آن واحد، ما حال دون معرفة أثر كل عامل على حدة.