Event ·Single source

System-One RSI:用引导式练习为交互式智能体建立肌肉记忆

arXiv 论文提出 System-One RSI 框架,让智能体通过自主练习掌握亚秒级实时控制,无需专家演示。框架包含两个循环:高频在线内循环是 OODA 周期,由一个 27B 决策模型将视觉观察和任务问题转为结构化判断,再用决策树转化成带时间戳的动作,全程不调用推理模型以避免延迟;离线外循环由一组推理智能体组成,负责修订决策模型提示词和决策树、抓取交互记录、从记录中生成监督信号并训练更新参数。 实验在三个环境中验证:Snake 平均分从 1.30 升至 7.35;《绝区零》评测场景中位完成时间缩短 8.4%;《黑神话:悟空》战斗场景中,闪避策略平均存活时间是静止基线的 11 倍,进攻策略胜率从 0% 提升至 66.7%。整个流程只需少量真实对局,不需要专家演示、环境改造、沙盒隔离或并行仿真。 该方法的借鉴点是:推理模型负责离线复盘和改进,决策模型负责在线低延迟执行,两者分工解决了推理延迟与实时控制的矛盾。对需要做游戏智能体、机器人控制等实时交互任务的开发者,这是一条不依赖人工标注数据的训练路线。

Current read

推理模型慢、做不了实时控制,这篇用内循环 OODA 决策加外循环智能体复盘的方法解决了。玩《黑神话:悟空》胜率从 0% 练到 66.7%,只需少量真实对局。做游戏智能体或机器人实时控制的开发者可以仔细看实验设置。

2 sources49° AI heatLast updated 2026/11/19 12:27:36

Evidence

2 sources
Primary sourcearXiv cs.AI
View source
Related source 1Latent.Space
View source

Conflict check

Dedup data only shows that these sources discuss the same event, not that they agree. There is no structured supporting or refuting evidence yet, so no conflict is inferred automatically.