INDEPENDENT MATCH
正在连接观战画面
准备真实比赛画面实验数据加载中
真实环境画面连接中
玩法与规则 +
七名玩家共享果园与河流。采集一颗苹果获得 1 分。
污染抑制苹果再生；污染过多时停止再生。清理河流让所有玩家获得更多资源。
清理会占用采集时间。电击让对手暂时离场 50 步，本身不直接加分。
这是非零和公共资源博弈，个人收益排名不等于胜率。
查看官方规则 ↗等待比赛引擎原始画面 · 策略独立运行
正在连接实验站
CLEAN UP / 多智能体公共资源博弈
七个智能体，一个共享世界。
采集苹果，还是清理河流？观察个体选择如何影响整个群体。
实验环境DeepMind Melting Pot官方七人地图 · 真实模型对局
学习过程 点击阶段，观看真实对局
正在读取实验记录HOW IT LEARNS
策略如何学会合作？
先观察阶段记录，再在独立对局中检验策略表现。损失下降并不代表策略变强。
i
看真实收益，不把辅助奖励当成绩。
训练会使用协作奖励与个人清理反馈。展示与评估均报告环境原始苹果收益。
独立评估 能力由完整对局检验
等待读取评估等待真实独立评估数据
不同阵容分别比较，不把收益排名当作胜率。
训练细节与服务器状态正在读取
训练环境步数——
训练状态——
服务器 CPU——
磁盘剩余—模型与录像限制保留量
当前训练方案
6000 环境步个人视角示范预训练 → 共享小型 CNN PPO。学习奖励 = 0.2 × 自身苹果 + 0.8 × 七人平均苹果 + 0.05 × 自身成功清理；展示成绩始终使用原始苹果收益。
单环境、单 CPU 线程；每批 128 环境步 × 7 玩家，minibatch 128，2 epochs，Adam 1e-4，gamma 0.995，GAE 0.95，clip 0.2。轨迹按玩家分开；策略只读取个人视角和自身状态。
优化指标 loss / entropy
仅用于监测优化过程；不直接代表策略能力。
训练对局收益 原始群体奖励
等待完整对局