في عالم تكنولوجيا الذكاء الاصطناعي، يمثل Mind-Studio إنجازًا جديدًا يهدف إلى إنشاء نماذج عالمية قابلة للتنفيذ تستند إلى تجارب التفاعل السابقة. لم تعد الأساليب التقليدية الرمزية كافية، إذ إنها تقتصر غالباً على ضبط الانتقالات المرصودة أو مزج القواعد المحلية، دون أن توفر برامج شاملة تعمل بشكل مستقل عن البيئة الحقيقية.

يأتي إطار Mind-Studio ليغير ذلك، حيث يقوم بتوليد نماذج عالمية تشبه ألعاب pygame باستخدام تجارب الحركة التالية للحالة (state-action-next-state) بواسطة نماذج لغوية ضخمة (Large Language Models). يجمع هذا الإطار بين آثار مختارة عشوائيًا وملف مهارات لعبة خفيف يحتوي على معلومات حول العناصر والإجراءات والمشاهد الثابتة المستخرجة من لقطات الشاشة.

للتأكد من جودة التوليد، يتم استخدام بروتوكول وفاء متقدم يقارن نماذج العالم المولدة مع نماذج Real-ALE من نفس الحالة. في الحالة الخاصة للعبة Montezuma's Revenge، ساهم Mind-Studio في تحسين دقة توقع الحركة التالية بشكل مذهل، حيث ارتفعت النسبة من 0.3% إلى 48.7% مع تحقيق 5 من 8 أهداف فرعية.

ليس ذلك فحسب، بل أن أداء Mind-Studio في الألعاب الأخرى مثل Alien وAssault وSkiing قد أظهر وفاءً على مستوى الفروع تجاوز المصادر السابقة التي تعتمد على التعلم.