Odyssey 发 PROWL-2：智能体团队与世界模型在同一训练循环里各学各的课程，最难的协同任务 29.8%→70.4%

10 月 1 日，世界模型公司 Odyssey 发布 PROWL-2。官方给它的定位是「第一个让智能体团队与其世界模型各自拥有课程、并在同一个训练循环里持续学习的框架」——即世界模型与策略不再是一方训练另一方固定，而是两边都在推进。

机制上，智能体完全在世界模型生成的想象轨迹上学习，不必与真实环境交互；训练场景按「学习潜力」挑选，并按从易到难排序推进（受优先回放启发的课程学习）；同时对世界模型做对抗式探索，以确认它给出的环境可信、课程既不过易也不过难。方法对策略学习算法与世界模型本身都保持无关——它不改编它们的架构或目标，只决定「下一步从哪些想象经验里学」。评测覆盖离散的星际争霸 II 多智能体协同（SMACv2，程序化随机生成每一场对局）与连续的机器狗运动控制。

数字：SMACv2 里最难的 MQE 任务上，Gate-3 从 29.8% 提到 70.4%，Shepherd-Hard 从 7.3% 提到 28.2%。它改变的是多智能体学习的经验来源——把「在真实环境里试错」换成「在可被信任、可被排序的想象经验里训练」，对机器人、自动驾驶这类真实试错昂贵的场景最直接。

原文链接：Odyssey 官方页面