返回资讯中心
外部精选
软件工程
#开发者实时流

Antithesis 团队在 NetHack 中击败前沿水平

来源标题:Beating the Frontier on NetHack

Antithesis 的 Paul Ryan、Mikail Khan 和 Will Wilson 发文称其工作在 NetHack 游戏中击败了前沿水平。文章以多幕结构记录了从学习使用工具、应对无限循环与掉落蝾螈,到最终实现升天(Ascension)的完整历程。作者之一 Will Wilson 是 Antithesis 联合创始人兼 CEO。

Hacker News 最新Klaster_12026/11/13 · 4 天前30 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

Home 博客 在 NetHack 上击败前沿 2026年11月13日 | Paul Ryan,技术团队成员 | Mikail Khan,研究实习生 | Will Wilson,联合创始人兼CEO Paul Ryan技术团队成员 Mikail Khan研究实习生 Will Wilson联合创始人兼CEO 本文内容 序幕 第一幕:学会握住工具 前人工作:机器人与黑布丁 无限循环与掉落的新特 经验刷取 第二幕:变形症! 死灵法师安提忒西斯 线性战役 猎虫 如果我是一条虫 运气是一种技能 第三幕:飞升 新的努力 愚蠢地聪明 终局 第四幕:智能体的传奇 下行 上行 诡计与陷阱 第五幕:混乱素食裸体武僧 真实工作负载 每一次飞升 武僧 调校良好的工作负载 尾声 Antithesis 最新动态 最新 面向构建关键软件团队的月度可靠性与分布式系统新闻。 请在浏览器中启用 JavaScript 以加载并提交此表单。 请查看收件箱中的确认消息。 我们无法提交您的表单。请稍后重试。 Will Wilson联合创始人兼CEO 起初,有了 NetHack。 对于电脑游戏史来说,这并不完全准确(尽管 NetHack 出现得很早且影响深远),但对于 Antithesis 的历史来说,确实如此。公司始于我和 Dave 共进午餐时说:“我们来做 FDB 模拟器,但适用于一切”,他则说:“不,我们做一个聪明到能通关 NetHack 的模糊测试器”,然后我们逐渐意识到,我们其实在说同一件事。 在随后的几年里,NetHack 持续激励和挑战着我们。第一个 Antithesis VCS 仓库(早已删除)叫“fuzzhack”,因为它是 NetHack 的模糊测试器。在我们构建确定性 hypervisor 之前,我们尝试了 Hermit 风格的确定性 Linux 用户态,因为这是击败 NetHack 所需的最低限度。NetHack 启发了我们对策略重要性的思考,对代码覆盖率重要性及其不足的思考,以及为什么你需要内在好奇心奖励才有希望将 AI 应用于这个问题。NetHack 启发了我们早期的许多可视化实验。想要交互式探索 NetHack 的性能和覆盖率地图,是我们编写如今支撑 UI 的响应式笔记本第一版的原因。处理无法装入内存的大量 NetHack 数据,是我们决定在我的信用卡上开通 GCP 订阅以便在 BigQuery 中处理数据的原因,这后来引导我们发明了 skip trees,最终是 Pangolin。 所有这一切都是因为它是一个值得尊敬的对手——甚至可能是我的同事 David MacIver 喜欢称之为“龙之问题”的东西。NetHack 对人类来说以极其困难著称,因为它结合了永久死亡、极端的信息稀缺(阅读游戏源代码来找出通关方法几乎是爱好者的成人礼),以及对错误的残酷不容忍。但它对模糊测试器和 AI 智能体等自主系统也非常困难,因为其庞大的状态空间以及需要长时程规划才能取得任何真正进展。人们编写了成功通关游戏的机器人,但尽管 Meta 投资了 NetHack Learning Environment,AI 智能体仍难以应对。硬编码机器人和 AI(最近是 GPT-6 Astra)勉强取得的胜利都是险象环生的经历,涉及幸运种子和“初学者友好”角色。没有人能生产出一个可以以任何角色构建可靠且快速地一遍又一遍通关的系统。 至少按 NetHack 的标准是“初学者友好”。 Antithesis 现在可以在近 80% 的 NetHack 种子上于 5 个墙钟分钟内找到胜利路径。此外,在完成的种子中,胜利时间的中位数不到 2 分钟。为了解释我们是如何做到的,我们需要告诉你一个秘密:Antithesis 不仅是一个无偏状态空间探索系统,它还有点像一种概率编程语言,一种新的计算范式,用于部分描述测试或其他任务,让搜索和优化填补其余部分。当你把这个工具交到有能力的 AI 智能体手中时,它们可以做到像在 30 秒内击败 NetHack 这样的事情。但首先……回到我们的故事。 Paul Ryan技术团队成员 该游戏被认为是世界上最难的游戏之一,获胜回合持续数十万步,永久死亡设置意味着如果智能体在地牢中死亡,它们将从全新世界的起点开始。——摘自 NeurIPS 2021 NetHack Challenge, Hambro 等 NetHack 的总体目标陈述起来很简单,尽管实现起来不容易。你从地牢的顶层开始;你的目标,Yendor 护身符,在最底层,在 Moloch 的圣所。要通关游戏,你必须下降到圣所,从 Moloch 的大祭司手中夺取护身符,然后一路返回顶层。带着护身符离开地牢后,你会被传送到元素位面;从这里,你必须前往星界,寻找你的神的高祭坛,并在那里献上护身符,你的神将赐予你永生并升华为半神。(通关游戏被称为飞升。) 当我在 2020 年开始对 NetHack 进行模糊测试时,几乎没有前人工作。我们是一家新公司,构建新工具并实时学习如何最好地握住它们,之前的机器人飞升很少。确切地说,只有两次,都针对游戏的早期版本。 SWAGGINZZZ,一个 RNG 预测机器人,在 2019 年使用零回合 RNG 操纵快速飞升了一个 Tourist,这些操纵很快被修补掉了。(这仍然是流行 NetHack 服务器 NAO 上最快的飞升,无论是实时时间还是回合数。)

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →