PapersBuilders10:11Chinese content用对局回放训练评估器,提升 Freeciv 长线策略智能体的奖励信号研究团队让模型回放 Freeciv 对局来学判断哪个局面会赢,训练出的 CivTelescope 判断准确率比现成模型高 1.3-2 倍,做成的智能体比传统终局奖励基线高 77%。#Freeciv#LLM Judge#强化学习#智能体aarXiv cs.AI@Yanchen Liu et al. (9)SourceRead laterReadWorth followingUsefulFollow Freeciv