AgentGarten：用于进化智能体的代码世界
将模拟器、游戏引擎与神经渲染器耦合，构建实时交互环境。
为什么重要
为研究可扩展、实时交互的智能体训练环境提供了新框架。
阅读原文arxiv.org
AI 解读（根据原文生成）
论文提出 AgentGarten，一个用于智能体通过探索和交互学习的框架。它把模拟器和游戏引擎与共享神经渲染器结合：后端维护持久世界状态并执行程序定义的交互规则，渲染器通过通用接口导出的结构化条件生成视觉观察。作者将预训练视频模型适配到几何条件，并用 Adversarial Forcing 蒸馏与优化实时推理。实证显示，智能体用 4 轮学习即可获得提升，而传统强化学习对照需要数百万轮。论文和代码已给出链接。
要点（AI 据原文整理，数字均已与原文核对）
- AgentGarten couples simulators and game engines with a shared neural renderer to build real-time interactive environments.
- Simulation backends maintain persistent world state and execute program-defined interaction rules.
- The renderer generates visual observations from structured conditions exported through a common interface.
- Adversarial Forcing makes history prefilling differentiable through exact replay and adds real-data adversarial supervision.
- Agents learn from just 4 rounds compared with millions for a conventional reinforcement learning counterpart.
