Signal YCurated AI News
更新于 11/5 20:4061 个信源

华为 AI 靠 RSI 通关 25 款游戏,操作次数比人类少 56%

AI 研究10/12 13:48量子位查看原文 ↗
摘要

华为公布一项基于 RSI(递归自我改进)的 AI 方法,在 25 款游戏中实现通关,且操作次数比人类玩家少 56%,部分对局中 AI 已无需再调用大模型。

核心要点
  • 覆盖广度:该 AI 在 25 款游戏中完成通关,而非单一游戏的特化演示
  • 效率指标:其操作次数比人类玩家少 56%,即用更少的动作达成同等或更优结果
  • 极限案例:在某一对局中 AI 打出 21:0 的悬殊战绩
  • 模型依赖变化:打到这一程度时,AI 甚至不用再调用大模型,说明策略已内化、可脱离基座模型运行
  • 技术路线:核心机制是 RSI(递归自我改进),即靠自我迭代而非单纯堆叠更大模型来提升能力
AI 洞察
这条消息的真正看点不在游戏分数,而在于「RSI + 去大模型化」的组合:当策略被自我迭代压缩进小模型后,推理成本与延迟会大幅下降,Agent 的部署经济性将被重写。游戏与仿真环境正从演示场变成 Agent 的自我进化训练场,这可能是通往低成本、可规模化智能体的一条现实路径。对行业而言,模型能力的竞争焦点或将从「谁的基座更大」部分转向「谁的自我改进闭环更高效」。