B领域级
OpenAI Five 击败 Dota 2 世界冠军
大规模自我博弈进入实时多人复杂环境
已核验1可追溯来源
OpenAI Five 在公开比赛中以 2 比 0 击败 Dota 2 冠军战队 OG，完成五个智能体的实时协作与对抗。
发生了什么
系统使用大规模分布式强化学习和自我博弈，每天积累相当于约 180 年的对局经验。比赛版本仍限制了英雄、物品和部分游戏规则。
当时的行业背景
围棋等棋类回合明确、动作离散。Dota 2 同时包含实时控制、部分可观测、长时间规划、海量动作和团队协作。
为什么重要
它展示强化学习可以依靠算力和自动生成经验处理比棋盘更连续、更嘈杂的环境，同时也暴露高样本成本和环境定制的限制。
在它之前
强化学习的公众突破主要集中在棋类和单智能体游戏。
在它之后
多智能体协作与实时长程任务进入前沿演示范围。
影响
它改变了什么
对开发者
大规模并行模拟、自我博弈和策略训练成为复杂控制任务的重要工程范式。
对行业
算力不只用于训练静态数据模型，也可用于自动产生交互经验。
来源