AgentGarten：用程序世界与神经渲染器训练Agent
AgentGarten: Code Worlds for Evolving Agents
模拟器保留明确状态与规则，共享神经渲染器生成第一视角画面；Agent每轮留下playbook供后续练习。四轮与传统强化学习千万局不是同口径效率比，完整环境和练习循环尚未开源；本期补看。
相关期次：2026-10-11 精选
阅读笔记
AgentGarten将程序化模拟器/游戏引擎管理的持久状态和明确规则，与共享神经渲染器生成的视觉观察分离。Agent只看合成的第一视角画面，每轮结束写playbook供下一轮使用。作者在捉迷藏及四个其他世界展示策略改进；四轮与传统自博弈强化学习千万局的对比不是同口径效率比，后者从随机权重开始，前者已有大规模预训练。官方仓库目前放出神经渲染器训练与推理代码，世界环境及Agent练习循环待发布。论文2026-10-08 17:32 UTC提交，本期作近期补看。
原文：https://arxiv.org/abs/2610.12374
代码：https://github.com/MirroS-Lab/AgentGarten
本期资料页:https://www.asteronline.cn/juju-radar/2026-10-11/
AI辅助整理。
笔记记录收录当期的判断。阅读一手材料不等于独立复现；后续进展请以原始来源为准。