此前和 agent 实测发现，Jev 会上下文学习，给它例子和记录，它能把判断调准；但想让它越玩越强，还得有人帮一把。这次试了几种帮法。

我们的实验用到了「老虎机」，它是测 AI「边试边学」的经典小游戏。有几个按钮，每个中奖概率固定，但 AI 事先不知道，只能从按出来的结果里摸索出哪个最容易中。

1️⃣ 怎么选：多试几个选项。让 Jev 自己玩老虎机，每轮把这局前面按过的结果交给它，它照着这些记录给每个按钮一个概率。若程序每轮只按概率最高的那个，没玩几轮就只按同一个按钮。最好的按钮没按过，或只按一两次没中，记录里看不出它好，Jev 也就一直不选它。我们之前用 Jev 打游戏也是这么选的，这回给自己打个补丁。多试有两个办法：程序改成按概率抽着选，后期按到最好按钮的比例从 62% 升到 85%；或者程序仍只按最高的，在问题里提醒 Jev，没试过或试得少的也可能更好，前期多试，升到 78%。这两招不用懂游戏规则，换个游戏也可以先试。

2️⃣ 怎么喂：记录写成「这种情况该按哪个」。猜规则的实验里，每张牌该按左还是按右，由隐藏规则决定。给 Jev 一批随便按出来的对错记录，它判断新牌只猜对 63%，瞎猜也有 50%。同一批记录，程序把每条都改写成正确答案，比如「按了左、错了」写成「这张牌该按右」，再把改好的记录和新牌一起放进 state（材料）交给 Jev，由它对照着判断，升到 87%。只有两个键，错了就是另一边，从「错了」反推该按哪边，程序就能代劳；动作多的游戏，一次失败推不出该怎么做，得靠人或大模型来总结。

3️⃣ 怎么分工：往前推几步交给程序。此前的迷宫实验里，Jev 读了踩坑记录多半能躲开已知的坑，却常绕不出去。程序每步标出各个方向离终点几步：只按墙算，通关率只有 4%；把踩过的坑也当墙算，前两局各踩一个坑，之后全通，通关率 60%（见图）。这组越玩越好的是整套系统，出力最多的是程序。把 Jev 换成只会挑最小步数的程序来走，赢面相同。Jev 读踩坑记录也出了点力，只删掉记录，通关率降到 50%。步数是照着迷宫地图算的，这类程序得按游戏来配。

所以，Jev 自己能学的，是从交给它的记录里把每一步判断调准；记录全不全、写成什么样、哪些活交给程序，得靠人或大模型来安排。此前拆的 Minecraft 屠龙也是这样，变快的是作者一版版改出来的整套系统。

Jev人工智能