뉴스

게이머 프레임워크: 장기 게임 상호작용을 위한 AI 모델

게이머는 새로운 AI 프레임워크로, 2D 및 3D 환경에서 효율적인 상호작용을 위해 지각, 기억 및 추론을 통합합니다.

기사 주제를 나타내는 편집용 일러스트
편집용 일러스트이며 실제 사건의 사진이 아닙니다.

번역 기사입니다. 원문 기사 읽기.

연구자들이 장기적인 작업을 위해 설계된 일반적인 시각-언어-행동 AI 프레임워크인 게이머를 소개했습니다. 이 프레임워크는 복잡한 2D 및 3D 상호작용 환경에서 사용됩니다. 2026-11-16에 발표되었으며, arXiv (2611.18397)에서 공개되었으며, 이는 디지털 및 물리적 도메인에서 작동할 수 있는 일반적인 에이전트를 만들기 위한 중요한 단계입니다. 이 프로젝트는 GitHub에 오픈 소스화되어 더 넓은 채택과 협력을 가능하게 합니다.

핵심 기능 및 훈련 방법론

게이머의 아키텍처는 지각, 기억 관리 및 다단계 추론을 통합한 통합 프레임워크입니다. 이 모델은 다단계 프로세스를 사용하여 훈련됩니다:

  • 지속적인 사전 훈련: 게이머는 시뮬레이션 게임과 구현된 환경의 수만 시간을 넘는 키보드 및 마우스 상호작용 데이터를 활용합니다. 이를 통해 물리적 및 가상 도메인 전반에 걸친 환경 역학을 학습할 수 있습니다.
  • 희소 사고 지침 튜닝: 이 단계는 복잡한 의사결정에 필요한 추론 능력을 유지하면서 중복 계산을 줄입니다.
  • 다회전 강화 학습: 안정적인 훈련 방법은 유한한 컨텍스트 창, 누적 롤아웃 오류 및 희박한 보상과 같은 문제를 해결하여 효과적인 장기 상호작용을 가능하게 합니다.

성능 및 실시간 상호작용

게이머는 다양한 벤치마크에서 강력한​일반화 및 효율성을 보여줍니다. 3D 오픈 월드 게임에서 숙련된 인간 플레이어와 유사한 성능을 발휘합니다. 또한 전통적인 2D 게임 벤치마크에서도 경쟁력 있는 결과를 달성합니다. 이 프레임워크의 클라우드 엣지 추론 엔진은 무제한 컨텍스트 실행을 지원하고 낮은 지연을 유지하여 여러 시뮬레이션 환경에서의 실시간 상호작용을 가능하게 합니다.

오픈 소스 구현

게이머의 공식 구현은 GitHub (https://github.com/RainBowLuoCS/Gamer)에서 이용 가능합니다. 이 저장소에는 자세한 문서, 비디오 데모 및 Apache 2.0에 따른 라이선스가 포함되어 있습니다. 오픈 소스 릴리스는 협력과 일반적인 AI 에이전트의 추가 발전을 촉진하는 것을 목표로 하고 있습니다.

게이머의 개발은 다양한 환경에서 복잡한 장기 작업을 처리할 수 있는 에이전트를 훈련하기 위해 데이터와 학습 알고리즘의 확장 가능성을 강조합니다. 이러한 접근 방식은 디지털 및 물리적 세계에서 AI의 보다 넓은 응용을 위한 길을 열 수 있습니다.

한국어 기사 더 보기 · 재무 비교 및 SEC 자료 (영어)