**游戏智能体持续预训练：数据规模与多样性的扩展效应研究**

_Scaling in Games: Continued Pre-Training For Embodied Agents In Diverse Virtual Worlds_

> 研究通过控制变量法，在 Minecraft 等虚拟世界中验证了持续预训练（CPT）对具身智能体的影响。结果表明：增加数据量能提升当前世界内的表现，而数据多样性主要改善向相关世界的迁移能力；模型规模虽提高了数据效率，但在单世界训练中泛化至遥远世界的能力反而下降。研究还发现性能提升存在“早期界面阶段”和“后期世界阶段”的演变规律，并拟合出关联数据量、多样性与模型规模的实证扩展定律。尽管模型在实时 3D 世界中表现优异，但模仿学习的局限及远距离世界中的性能差距表明，构建通用具身智能体仍需超越单纯持续预训练的更丰富训练阶段。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-22 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.28698)