基于强化学习的文本游戏代理的设计与优化

arXiv 25.9 2025 40.3 method, application

TLDR

提出了一种结合世界模型的深度强化学习代理用于文本游戏，提高了游戏完成率和胜率。

评分理由

The paper presents a clear combination of deep learning for world modeling and policy gradient for agent learning in text-based games, with empirical results showing improvement. However, the abstract lacks details on the specific architecture, comparison baselines, and generalizability beyond text-based games.

Read-first 评分解释

综合优先阅读分 40.3，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 22。

近期性 8%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：实验

主题相关性 42%

31.4

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

研究版图角色

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：304。

关键词评分

world model

model-based reinforcement learning world model

world dynamics prediction

world simulator

generative world model

interactive world model

video world model

深度分析

创新点

结合基于深度学习的世界模型与策略梯度强化学习用于文本游戏的新方法
应用深度学习处理游戏文本并构建世界模型
基于策略梯度的深度强化学习方法将状态值转换为最优策略

方法

首先应用深度学习模型处理游戏文本并构建世界模型。然后，通过基于策略梯度的深度强化学习方法学习代理，以促进从状态值到最优策略的转换。

关键结果

增强后的代理在多个文本游戏实验中表现更好，并在游戏完成率和胜率上显著超越之前的代理。

资源

论文