Skip to content
TheChatArchiveThe Chat Archive
Claudeclaude-3-7-sonnet-20250219-thinking-32k· AnthropicHugging Face LMArena Human Preference 140K

我希望使用模仿学习训练一个玩游戏的模型。我的数据是全部都是胜利的对局好还是胜利的失败的都有?如果是后者,比例怎样比较合适?

From a Chatbot Arena battleThe same person sent this prompt to two anonymous models at once. Compare it with Googlegemma-3n-e4b-it’s answer.
  1. User

    我希望使用模仿学习训练一个玩游戏的模型。我的数据是全部都是胜利的对局好还是胜利的失败的都有?如果是后者,比例怎样比较合适?

  2. Claude Assistant

    对于使用模仿学习训练游戏模型,我建议同时包含胜利和失败的对局,而不仅仅是胜利的。

    包含多样化的数据有以下优势:

    • 模型能学习更广泛的游戏状态
    • 学会如何从不利局面恢复
    • 提高模型在各种情况下的适应能力

    关于比例,一个较好的方案是:

    • 60-80%的胜利对局
    • 20-40%的失败对局

    这个比例可以根据游戏复杂度和训练目标调整。如果您希望模型学习如何避免常见错误,适当增加失败样本很有价值。理想情况下,您的数据应来自技术水平相当的玩家,这样模型才能学到一致的策略。

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.