开发者在单张 RTX 3080 Ti 上训练小型 AI 模型通关《红色宝可梦》
开发者 stmonty 利用一张 NVIDIA GeForce RTX 3080 Ti 显卡，成功训练出一个能够游玩经典游戏《红色宝可梦》的小型人工智能模型。该项目基于著名 AI 科学家 Yann LeCun 提出的 LeWorldModel 研究架构。LeCun 此前离开 Meta 后，通过 AMI 实验室继续推进世界模型的相关研究。
据 stmonty 在其博客文章“教导一个玩 Play 的世界模型”中介绍，该模型仅包含约 1250 万个参数，代码于去年 9 月完成编写。stmonty 在讨论论坛中表示，这一项目旨在探索学习与乐趣的结合方式。
技术原理：压缩状态与无奖励学习
该世界模型的核心机制在于观察按键操作对屏幕产生的影响。与传统方法不同，模型并不预测完整的下一帧画面，而是将状态压缩为仅由 192 个数字组成的摘要。这种初始训练阶段采用“无奖励”模式，因为模型尚未识别出游戏的获胜条件。其设计思路遵循了一篇发表于 2026 年 3 月的论文，该论文指出，拥有约 1500 万参数的单个 JEPA（联合嵌入预测架构）模型即可在单一 GPU 上进行有效训练，这与 stmonty 的项目规模相当。
训练过程与数据构成
完整的训练流程使用了来自大木博士实验室存档功能的数据，共计 42,382 帧灰度图像，并进行了超过 1,000 次短程运行。数据集包含预设路线、混合随机按键操作的相同路线以及完全随机的漫游行为。stmonty 强调，引入随机漫游数据至关重要，否则仅在干净路径上训练的模型可能会陷入局部最优解，例如学会在对话框出现时反复按下 A 键，却无法理解 B 键的功能。该模型是从零开始针对此项目专门训练的。
规划策略与测试结果
模型的决策规划通过尝试 14 个按键序列来实现，这些尝试是在模型内部模拟而非直接在游戏中的操作。每一轮生成 512 个计划样本，搜索算法保留其中八分之一，即 64 个候选方案，直至最终计划在模拟器中执行。stmonty 推测，失败的主要原因之一是当玩家没有宝可梦时，基于模型预测的微小误差会随时间复合放大。
经过微调后的下一次尝试取得了成功。在 52 架飞机（注：原文此处语境可能指代某种测试单元或比喻，依原文保留）中，模型选择了启动器，而随机按键的对照组成功率为零。尽管从保存点开始反复按 A 键也能达成类似效果，但项目的核心目标是让模型自主发现解决方案。这一结果虽温和，但证明了小型模型可以根据特定任务进行定制化调整。
未来挑战与开源信息
接下来的目标是从实验室出发，走到教授处，完成对话并真正选择一个宝可梦。开发者表示：“我怀疑难度随着计划长度的增加呈指数级增长。”他在回复中进一步指出，简单扩大当前模型规模可能不足以实现这一目标。
近期已有多个独立案例使用 Jev 决策模型、Ness 带或自定义代码成功击败《红色宝可梦》，显示小型模型对于业余爱好者而言仍具可行性。该项目的代码已在 GitHub 上以 lePokeRed 名称开源，支持 CUDA GPU 运行。
