Agentic-разработка игр как верифицируемый движок траекторных данных для масштабирования world models
NUS
Авторы утверждают, что масштабирование пространственных world models упирается в слабые сигналы награды (прокси на основе CLIP-score) и предлагают саму разработку игр как недостающую среду наград: игровой движок выступает исполняемой спецификацией мира, проверяющей коллизии, физику и проходимость, а принятие сцен человеком даёт глобальный сигнал. Представлен RLHEV (Reinforcement Learning with Human-Engine Verification) — парадигма пост-тренинга, сочетающая плотные награды от движка с неявной обратной связью человеческого принятия и длинными траекториями из процесса разработки.
Почему это важно
топовая статья на HuggingFace со 130 апвоутами; переосмысляет игровые движки как компиляторный эквивалент верифицируемой награды для world models
Важность: 4/5
заметная статья + буст HF Daily >=100 апвоутов