Valódi áttörést ért el a TypeSafe AI által kifejlesztett Jev döntéshozatali modell a klasszikus szerepjátékban. A rendszer alig egy hét leforgása alatt legyőzte a Pokémon Red végső ellenfeleit, és bejutott a játék Hírességek Csarnokába.
Míg a hagyományos nagy nyelvi modelleken (LLM) alapuló csevegőrobotok gyakran hetekig vagy hónapokig bolyonganak egy-egy összetettebb feladványnál, a Jev teljesen eltérő architektúrára épül. A szoftver nem generál szöveget, és nem próbál meg emberi kommunikációt szimulálni. Ehelyett a rendszer a számára felkínált lehetőségek listájából választ valószínűségi pontszámok alapján, szinte azonnali döntéseket hozva.
Vezetői segítség a holtpontokon
A Jev nem teljesen egyedül teljesítette a kihívást. A játék során az Anthropic Claude Opus modellje figyelte a naplófájlokat, és ha a döntéshozatali rendszer elakadt egy mintázatban, módosította a választható opciók megfogalmazását vagy kontextusát.
A megvalósítás során a fejlesztőknek több száz egyedi hibát és holtpontot kellett korrigálniuk a rendszer környezetében. Előfordult például, hogy a karakter egymás után 53 alkalommal sétált neki egy zárva lévő ajtónak, vagy tíz perc alatt 124-szer ment fel és le ugyanazon a létrán. A finomhangolások hatására azonban a modell végül sikerrel vette a négy elit edző és a bajnok jelentette akadályt.
Gyorsabb és olcsóbb működés a gyakorlatban
A döntéshozatali modellek alkalmazása jelentős előnyöket hordoz a valós idejű rendszerekben és a játékmenet-szimulációkban. Mivel a Jev kihagyja az elnyújtott szöveggenerálási fázist, a válaszidő a töredékére csökken, míg az üzemeltetési költségek nagyságrendekkel alacsonyabbak maradnak a nagy nyelvi modellekhez képest.
Ez a megközelítés rávilágít arra, hogy az ágensalapú rendszereknél a döntési pontok elkülönítése hatékonyabbá teheti az automatizációt. Ahelyett, hogy egyetlen óriási modellre bíznák a teljes folyamatot, a gyors valószínűségi döntések és a magasabb szintű felügyelet kombinációja eredményesebbnek bizonyult.
