README 与 Blog 展示九个游戏,包括马里奥、贪吃蛇、2048、推箱子、俄罗斯方块、跳一跳、Hex、点格棋和黑白棋。黑白棋沿用原始 6×6 归档胜局回放。游戏视频保留画面内的名称,以下记录来自历史实验。
导出的动图去掉 COMPLETED GAME、序号箭头和游戏切换栏,保留当前游戏、状态、动作与右侧候选框。网页播放器继续保留交互导航。Blog 不再逐个介绍游戏,来源细节统一收录在本文。
八个游戏右侧新增概率条、百分比与最终选项高亮。已从原始记录恢复全部 195 次模型判断的候选概率,并按动作 ID 对齐;另有 14 次 Tetris 自动执行和 1 次点格棋唯一合法动作,不填造模型概率。自动执行时可继续查看上一轮判断,并明确标记没有新请求。
候选较多时默认展示概率最高的六项并确保最终选项可见,其余项合计概率单独标注;网页中可展开全部候选。动图没有额外游戏图例,保留全部 210 次转换和原始动画。
- 公开概率回执仅包含候选概率、选择方式与来源摘要;不包含模型服务地址、凭据或私有运行路径。
- 马里奥与俄罗斯方块使用对应原始请求的返回分布,逐条核对请求状态和动作。马里奥先复用原始无损输入压缩,再核对状态。
- 2048、推箱子、跳一跳、Hex 和点格棋沿用原评测流程保存的
representative_sample_index,展示支持最终动作的那次真实判断分布,页面标明它在三次判断中的位置;没有将三次分布平均后冒充一次输出。 - 贪吃蛇使用原始成功 rollout 的
policy.old_probabilities,按candidate_values对齐;它是含温度与探索的行为策略分布,采样参数保存在回执中,所选动作沿用实际采样结果。 scripts/export_showcase_probabilities.py --check检查每步动作、候选集合、概率和、来源摘要及覆盖范围;新导出时传入仓库外的--bundle和--snake-episode。
八张动图均使用 统一播放器:左侧游戏画面,右侧候选动作、选中项和执行反馈。按记录顺序播放全部 210 次转换,没有选择性跳步或截断;保留开局、等待、动作执行与终局。2× 播放并加入短阅读停顿,GIF 为 12 fps,不代表模型实际推理速度。
完整时间线 记录每一步的三个阶段及连续执行帧。马里奥逐一重建第 0–2083 个物理帧,并严格核对所有原始观测、到达与执行边界;贪吃蛇保留全部 49 次身体移动;推箱子保留 14 次实际行走和推箱移动;俄罗斯方块展开全部时钟执行帧。棋盘与跳一跳保留每次原始决策及完整动作过渡。历史棋盘初态本身含已有棋子,播放从归档初态开始。
渲染清单 列出每个阶段对应的 GIF 帧号、完整连续的步骤索引、源文件摘要和时长。初态停留 0.5 秒,终态停留 2 秒。主文档仍为四行两列,不另加图注。
python scripts/export_mario_showcase.py --check
python scripts/export_snake_showcase.py --check
python scripts/export_full_showcase.py
BLINK_BROWSER_CHANNEL=chrome python scripts/render_showcase.py可用 --game snake 等参数只重建指定游戏;没有 --game 时重建全部八项。生成目标包含 assets/showcase/ 和 assets/showcase/completed/,沿用 README 的图片路径。
从 JevArena 已提交的首页 Showcase 迁入播放器、样式与公开归档,对应来源提交 5cc08eb(完整回放数据引入于 926adff)。迁入不修改原工作区;数据文件逐字节保留,导出器适配本仓库的 Python 包路径,同时迁入 Tetris v1–v4 时钟版本的渲染兼容。历史 oneshot.home-decision.v3 schema 和原模型 ID 保留。
| 游戏 | 历史 checkpoint | seed | 记录转换 / 模型调用 | 验证终局 |
|---|---|---|---|---|
| 2048(目标 128) | SFT v9-a17 | 44 | 65 / 65 | 达到 128,积分 760 |
| 推箱子 | RL R9 / iter_0000031 | 43 | 4 / 4 | 两箱归位,14 步环境移动 |
| 6×6 黑白棋 | RL R6 / iter_0000019 | 47 | 22 / 9 | 模型执 O 获胜 |
| 俄罗斯方块 | GRPO N3 / iter_0000006 | 46 | 25 / 11 | 消除 4 行 |
合计 116 次转换、89 次模型调用。对手、唯一合法动作和不请求模型的执行区间分别标记。四局来自四个不同版本的精选通关记录;不能用于比较版本或推算总体成功率。
- 完整归档 保留初态、每步候选与动作、后继状态、模型标识、时钟与终局。
- 独立播放器 与 Arena 的 Blog 页签复用
home-demo.js,支持中英文、进度、倍速、终局与键盘切换。Tetris 使用已有只读渲染器。 - 当前 GIF 使用上方统一时间线导出;旧版固定状态采样已替换。原独立播放器及来源归档仍保留。
assets/showcase/completed/render-manifest.json记录完整渲染清单中对应三张活动素材的源摘要、全部步骤、阶段与帧位置。PNG 保留各局终态。
离线验证不需要模型、训练目录或密钥:
cd arena
python3.12 scripts/export_home_decision.py --check
python3.12 -m unittest tests.test_home_decision -v验证使用共享引擎检查候选、动作和后继状态,检查自然获胜与预算状态,并核对 Tetris 时钟与执行帧。测试还会主动篡改动作、方块和预算状态,确认伪造结果被拒绝。
生成新展示素材,在仓库根目录执行:
python -m pip install playwright
python -m playwright install chromium
# 系统需已安装 ffmpeg。
python scripts/render_completed_showcase.py已安装桌面 Chrome 时,新展示渲染和浏览器检查可设置 BLINK_BROWSER_CHANNEL=chrome。
浏览器验收可针对本机运行的 Arena:
python arena/tests/browser_home_replays.py --url http://127.0.0.1:8080 --out var/completed-replay-check针对静态预览服务,可在同一检查命令增加 --standalone;两种入口均检查桌面/手机、中英文、四局终态、实际拖动位置、重置、重力动画、键盘切换、滑动与减少动态效果偏好。
更换回放时,导出器支持仓库外私有选择文件,见 arena/scripts/export_home_decision.py --help;原评测数据、私有路径和选择文件不得提交。
展示使用 arena/web/showcase/traces/ 中已提取的精选轨迹及各自来源回执;不重新执行策略、不补跑模型、不重新计分。可选提取工具需显式提供仓库外 archive。
选取七条已有完整可视状态的轨迹。原录制类型均为 reconstructed_verified:归档状态由原导出器重建并验证;本次直接渲染这些已保存状态,不把它们描述为原始屏幕录像。
| 展示 | 归档位置 | 记录步骤数 | 原结果 |
|---|---|---|---|
| 黑白棋 6×6 | replays["00000"].streams[0] |
28 | 白方 O 胜 |
| 2048 | episodes["merge_2048-42-oneshot27b-game-rl-native-iter17"] |
91 | 916 分;该归档任务目标为 128 方块 |
| 跳一跳 | episodes["jump_jump-42-oneshot27b-game-rl-native-iter17"] |
8 | 到达 8 个平台 |
| 俄罗斯方块 | episodes["tetris_placement-42-oneshot27b-game-rl-native-iter17"] |
14 | 堆顶失败、0 消行;步骤含环境帧,非 14 次模型判断 |
| 五子棋 19×19 | replays["00004"].streams[0] |
7 | X 胜 |
| Hex 7×7 | replays["00006"].streams[0] |
31 | X 胜 |
| 点格棋 3×3 | replays["00008"].streams[0] |
14 | O 胜 |
所有示例 seed 为 42,合计 193 条记录步骤。上表保留每条展示轨迹的模型 ID 和原始记录位置。
马里奥公开轨迹 来自 oneshot-sft-v9a17-20261022 的 mario_platformer-44-oneshot-sft-v9a17-presence-positive-retention。保留原模型 ID、seed 44、mario-map-v2-curriculum 的 easy 地图与实时等待规则。
这局包含 12 次模型调用和执行事件,其中 11 个动作被执行,1 个回复因敌人方向改变被拒绝;终局进度 100%,自然通关,未耗尽预算。拒绝的动作保留原标记,并在播放器中保留动作拒绝标记。这是精选历史样例,不能用于比较模型优劣或推算总体成功率。
导出时用当前仓库的共享引擎重新播放初态、观测、动作到达与终态,严格模式 38 次状态比较通过,未使用浮点容差放宽。原始 episode 的 SHA-256 为 655f4cf910b9b36f9b3e204b3f905a4a14456c0992c509cf7627aaf483c76088。公开文件只保留游戏状态、候选、动作、执行结果和复现所需的时钟字段;模型服务配置、私有路径与原始响应均未导出。
在仓库根目录离线复核(Python 3.12、Node.js 与 Arena 依赖):
python scripts/export_mario_showcase.py --check更新该样例时可运行 python scripts/export_mario_showcase.py --episode /path/to/private-episode.json --source-run public-run-id,再执行下方通用导出与渲染命令。原始输入留在仓库外;公开轨迹自带离线校验所需的事件,无需访问原始输入或调用模型。
贪吃蛇公开轨迹 来自我们自己的 jev-game-rl-online-20261016-v1 历史运行,策略标识 formal-sft310-20261016-v5/policy-0,seed 为 1194410000。原始记录为 jev.rollout.receipt.v1,policy_origin=student、on_policy=true、rule_takeover_count=0;这是实际历史 rollout,并非外部基线,也不作为独立评测集成绩。
本局 51 次决策、49 次身体移动,吃满 6 个苹果自然获胜,游戏内时钟为 51.1 秒。它替换此前选错的 SFT v9-a17 / seed 43 失败轨迹。导出器用当前共享引擎逐一验证初态、每次观测/到达/执行后状态和终态,共 155 处公开状态完全相等;早期归档只存公开投影,缺少的请求间时长由相邻记录的游戏时钟精确恢复。没有重新调用模型或改变原动作。
公开文件保留原始 episode 的 SHA-256、候选、动作和时钟;服务配置、私有路径、原始模型响应不导出。导出器强制要求胜利、目标食物数、自然终局,失败样例不能再通过此入口生成。
python scripts/export_snake_showcase.py --check
python scripts/export_full_showcase.py --game snake
python scripts/render_showcase.py --game snake更换来源时先用 --episode /path/to/private-episode.json --source-run public-run-id 导出经验证的公开轨迹;原始输入不提交。
- 轨迹清单 记录源 run、源字段、参与者、录制类型、结果;马里奥与贪吃蛇使用条目内单独标明的来源与原始文件摘要。
arena/web/showcase/traces/包含七条从旧归档逐项复制的完整 stream(检查 JSON 往返相等),以及马里奥、贪吃蛇的公开状态与校验事件。九条归档轨迹共 256 次记录转换;正文只选用其中部分素材。- 渲染清单 记录每张动图的原状态位置、封面位置和帧时长。
- 当前八项 GIF 遍历全部决策与执行区间,具体覆盖位置见 v2 渲染清单;剩余旧素材仅作为历史归档,不在正文合集展示。
- 画面复用
arena/web/playground/renderers.js的只读回放入口。不调用模型或重新选择动作。连续画面由保存的执行帧,或相同引擎按原始动作和时钟重建,边界状态必须与原始记录一致。
从仓库根目录运行:
python -m pip install playwright
python -m playwright install chromium
# 系统需已安装 ffmpeg。
python scripts/export_showcase.py
python scripts/export_full_showcase.py
python scripts/render_showcase.py脚本输出 assets/showcase/*.gif 和 *.png,并关闭临时本机资源服务。字体使用包内 Inter;浏览器环境可能影响抗锯齿,但状态和动作来源保持不变。