Agentic Game Development as a Verifiable Trajectory Data Engine for Scaling World Models

• 类型：arxiv
• 标识：2608.25518
• 链接：https://arxiv.org/abs/2608.25518
• 主分类：agent
• 形态：method
• 被引：1
• 被引来源：Semantic Scholar
• S2被引：1
• OpenAlex被引：0
• 影响力被引：0
• TLDR：This work proposes Reinforcement Learning with Human-Engine Verification (RLHEV), a post-training paradigm that combines dense engine signals with implicit human acceptance feedback from the development process to support RL post-training.
• OpenAlex ID：W7204441367
• OpenAlex DOI：10.48550/arxiv.2608.25518
• DOI：10.48550/arxiv.2608.25518
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2608.25518
• OpenAlex更新：2026-09-04
• 副分类：engineering
• 待LLM分类：否
• 标题中文：将 Agentic 游戏开发作为可扩展世界模型的可验证轨迹数据引擎
• TLDR中文：本文提出 Reinforcement Learning with Human-Engine Verification（RLHEV），一种结合稠密引擎信号与开发过程中隐式人类接受反馈的后训练范式，用于支持强化学习后训练。
• 来源文件：
• /inbox/tom/_candidates/2026-08-28-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-08-29-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-08-30-agent-rag-longcontext-candidates.json
• [S2 enrich]
• /inbox/tom/_candidates/2026-08-31-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-08-31-agent-memory-tool-use-candidates.json
• [OpenAlex backfill]