开源模型 Kolibri-1 零微调自主玩转打砖块

开发者让 Aleph Alpha 开源的 Kolibri-1 在零微调下自主玩雅达利 Breakout：模型读取弹球与挡板坐标，直接输出四个动作的概率分布并映射为游戏操作，全程不生成文本。团队针对动作概率推理做了优化，单步决策仅需 25 毫秒，展示了该模型在实时决策任务上的潜力。