游戏中学到的技能能否迁移到现实工作？

在游戏中习得的技能能否迁移到真实世界的工作中？

「这一点已经变得非常清楚，强化学习（reinforcement learning）环境是教模型完成任何可验证任务的最可靠方式之一，」他说。

更宏观的想法是，向 AI 呈现一款游戏的方式会决定它学到哪些技能，以及这些技能能否带出游戏、用到别的工作里。目前最有力的证据，来自一款十九世纪的铁路游戏。

当游戏训练迁移到金融研究

Good Start Labs 最近在《1830: The Game of Railroads and Robber Barons》这款游戏里训练了一个 300 亿参数的模型。Wikipedia 对它的描述是「一款策略游戏，唯一涉及运气的地方就是决定初始出牌顺序」。接着他们在金融研究任务上测试了同一个模型。实验想看看，游戏里养成的习惯能不能带出游戏之外。

「那款游戏里内置了股市机制，」Duffy 解释道。「你要竞拍这些铁路公司的股票，试着搭出一个物流网络。我们设计的任务是，让模型先去数据库里查游戏的对局记录，填进 Excel 文件，做一番推理，再在表里写几个函数，最后用这种方式算出答案。整个流程跟你平时做金融分析很像，只不过换成了在这款游戏里完成。」

他们对比了两种训练方式。一种是单轮问答（single-turn question answering），给模型一个游戏状态，让它给出下一步行动。另一种是「多轮终端智能体」（multi-turn terminal agent），会调用工具去探索环境、规划策略，并实时调整。两种方式都各自提升了游戏内的目标表现，但只有终端智能体这一种，在 Finance-Agent 基准测试上带来了提升。

设计用于传授能力的学习环境

1830 的实验结果说明，训练设计是关键。Duffy 还提到，他们也可以加一个专家模型进来，提供更密集、一步步的奖励。

这套脚手架（harness）也让环境能以不同的方式切入同一款游戏。

「这套脚手架怎么设计，完全决定了模型能学到什么，」Duffy 说。「你可以想象，一个看图的模型、一个读自然语言的模型、一个把一切都用 Python 框架表达的模型，它们学到的东西会完全不一样。」

Duffy 把 Good Start Labs 的总体目标概括为弄清「如何设计学习环境来传授特定的能力？」。他们在一篇论文里探讨了这个问题，论文名叫《COS-PLAY: Co-Evolving LLM Decision and Skill Bank Agents for Long-Horizon Tasks》，由 Duffy、Marques 和几所大学的研究者共同撰写。

论文里，系统给决策智能体（decision agent）配了一个作者所说的「可学习技能库」（learnable skill bank），用来指导行动。另一个技能库智能体（skill-bank agent）会研究这些轨迹，然后修改技能库，改完之后再反馈到下一轮运行里。

最新的前沿模型表现如何？

我向 Duffy 提问，Good Start Labs 有没有在同样的游戏环境里对比过更新的模型，比如 Claude Fable 5.1 和 GPT-6 Astra？顺带问一句，基础模型能力越来越强，脚手架和训练环境是不是就没那么重要了？

「每一款新模型我们都会拿来做对比，」Duffy 回答说，并补充道，更新、更强的模型在这些游戏里往往表现更好。不过，和最初 Twitch 直播里 2025 年模型展现的情况类似，新模型「在人格维度上出现了分化，背叛、合作、心智理论（theory of mind）等等」。

> alex duffy
> @alxai_
>
> 两年的 AI 进展，依然没能 get 到笑点。
>
> 在 14,000+ 局真实的 @playbadcards 对局中，Astra 在我们更新后的 LOL-Alignment 基准上登顶，与人类评委的匹配率达到 50%。但两年的时间，只领先 GPT-4o 两个百分点！
>
> 幽默是主观的，但游戏可以让它变得可衡量。
>
> 4:39 PM · Sep 9, 2026 · 2.02K Views · 3 Replies · 3 Reposts · 37 Likes（译注：@playbadcards 是一款社交推理/欺骗类卡牌游戏；LOL-Alignment 是 Good Start Labs 自创的趣味基准，通过游戏中的笑点判断来衡量模型对人类幽默的理解程度。）

至于脚手架，他说：「能力更强的模型完成同一项任务，确实需要更少的搀扶。」但对 Good Start Labs 在做的事，也就是把「环境当作课程（curriculum）」，脚手架反而「更重要，不是更不重要」。

「GPT-6 Astra 自述会减少思维链（chain-of-thought）推理，直接跳到答案，」Duffy 说。「如果你想让模型在解题时按某种特定方式来，脚手架就是强制它这么做的工具。Astra 大概能在脑子里把数学算出来，但你更希望它用代码，这样你才能信这个结果。」

Good Start Labs 在卖什么？

最近的一篇博客文章里，这家公司介绍了自己在「改进循环（improvement loops）」上的工作，涵盖训练系统、脚手架和可观测性。但这些东西怎么变成 Good Start Labs 卖给其他公司的产品呢？

「AI 改进这块，我们卖的主要是数据和学习环境，」Duffy 回答说。主要客户是前沿实验室（frontier labs），他们向这些实验室提供强化学习数据，帮助进一步训练模型。

他把产品里的数据部分归为两类。第一类是「智能体玩游戏的轨迹（trajectories）」，也就是智能体观察到了什么、做了什么决策、采取了什么行动、之后发生了什么。第二类是给特定游戏厂商做的定制数据。这种场景下，「智能体在他们的游戏里实时运行」，可以在游戏里玩，产生交互数据，供训练和评估用。Duffy 说，卖给模型开发者的任何数据都经过匿名化处理，剥离了个人身份信息。

他还提到，Good Start Labs 卖的学习环境是「模型可以端到端完整玩下来的完整游戏」。重点不是非要赢游戏，更多是教它们怎么解决问题。

「我们还会设计大量任务，让模型把游戏引擎当作可验证奖励的来源，但解决问题的方式可能是你没见过的。」

那么游戏技能究竟能否迁移到现实工作中？

一边给客户做定制，Good Start Labs 也在用这些针对特定游戏的专家模型训练一个通用模型。Duffy 说，他们的想法是把这些专家模型「统一成一个通用的游戏智能，能用在哪里都行」。1830 实验说明，智能体式的游戏训练可以迁移到结构相近的金融研究任务上。但能不能迁移到更广泛的现实场景里，现在还说不准。

我问 Duffy，今天掌握的证据到底说明了什么？