對抗性回饋

深度分析

「Latent Maps of Performance」：利用 Guided VAE 於《星際爭霸 II》潛在空間生成對抗性回饋

研究以星際爭霸II23,305場職業對局訓練GuidedVAE，透過線性插值、最佳傳輸、密度正則化梯度上升與神經流等四種潛在空間遍歷策略，生成可落實的改進路徑，提升玩家勝率預測。此框架填補了即時戰略遊戲缺乏可操作回饋的空白，並示範了以潛在空間為基礎的模型解決方案，可望推動 AI 輔助訓練在電競領域的應用。