用 Grok 4.7 与 Gemini 4 Argon 训练《文明1》速通 bot
作者搭无头模拟器加策略循环，让模型逐回合读日志找瓶颈，已跑约 2700 局、90 万回合，胜率从 0% 升到 75%。
Przez ostatnie dni „trenuję” z pomocą Grok 4.7 i Gemini 4 Argon bota do oryginalnego Cywilizacji I (1991), który ma jeden cel: zakończyć jak najszybciej grę wygraną na najwyższym poziomie trudności (Emperor, 7 cywilizacji). Nie jest to klasyczny RL od zera (IMO strata czasu, bo losowy agent w Civ1 pewnie klikałby przez tysiące tur nim założyłby pierwsze miasto, czekamy do końca gry na "win/lose" choć pewnie byłoby to zgodne ze sztuką). Zamiast tego poszedłem trochę na skróty i zrobiłem headlessowy symulator i prosty /loop: macierz strategii -> równoległe batche gier -> modele czytają logi tura po turze, szukają dlaczego armia utknęła, stawiają hipotezę -> testujemy na 20 mapach -> sprawdzamy na 200 zamrożonych światach (holdout), czy nie ma overfittingu > "czy podbija świat szybciej?" > poprawki etc. Przemieliłem dopiero ~2 700 pełnych gier i prawie 900,000 tur (= 14 milionów lat historii), im lepszy bot, tym krótsze są partie, więc sam trening przyspiesza z każdą iteracją. Zbliża się od 0% do 75% win rate.