الملخص

نقدّم نموذج Game-TARS، وهو وكيل عام للألعاب تم تدريبه باستخدام فضاء إجراءات موحد وقابل للتوسع، مُعتمد على إدخالات لوحة المفاتيح والماوس الأصلية المتوافقة مع الإنسان. على عكس النماذج القائمة على واجهات برمجة التطبيقات (API) أو واجهات المستخدم الرسومية (GUI)، يتيح هذا النموذج المفاهيمي تدريبًا مُستمرًا على نطاق واسع عبر مجالات متنوعة وغير متجانسة، تشمل أنظمة التشغيل، والألعاب على الويب، والألعاب المحاكاة. تم تدريب Game-TARS على أكثر من 500 مليار رمز، باستخدام مسارات متنوعة وبيانات متعددة الوسائط. وتشمل التقنيات الأساسية خوارزمية خسارة مستمرة تتناقص تدريجيًا لتقليل التباس السببية، واستراتيجية فعّالة تُسمى "التفكير النادر" (Sparse-Thinking) التي توازن بين عمق التفكير وتكلفة الاستنتاج. أظهرت التجارب أن Game-TARS يحقق معدل نجاح يقارب ضعف النموذج السابق في مهام مينكراфт المفتوحة، ويتقارب من قدرة البشر الطبيعية في الألعاب ثلاثية الأبعاد على الويب غير المألوفة، كما يتفوق على نماذج GPT-5 وGemini-2.5-Pro وClaude-4-Sonnet في اختبارات أداء الألعاب ذات السرعة العالية (FPS). وتشير نتائج التوسع في وقت التدريب والاختبار إلى أن فضاء الإجراءات الموحّد يُبقي على التحسينات عند توسيعه لتشمل بيانات متعددة الألعاب والمتعددة الوسائط. تُظهر نتائجنا أن تمثيلات الإجراءات البسيطة والقابلة للتوسع، مدعومة بتدريب مسبق على نطاق واسع، تُمثّل طريقًا واعدًا نحو تحقيق وكلاء عامين يتمتعون بقدرات واسعة على استخدام الحاسوب.