开源决策模型玩《红色警戒2》先卖基地，经持续训练后无人能敌

一个团队让开源决策模型玩《红色警戒2》和坦克大战，基础版在《红色警戒2》中卖掉自己的基地后输掉，坦克大战 v1 原地转圈、v2 找到开火键后把自己打死。随后团队采用「玩 → 训练 → 升级 harness → 重复」的循环，几轮之后模型可在无人干预下自我改进；把不同模型放进同一竞技场对战，目前没有人类玩家能打败训练后的模型。