游戏中习得的技能能迁移到现实工作吗？

判断

定训练方案的人：与其为金融场景换题材或另买领域数据，不如先把目标工作流原样搬进环境——查数据库、填 Excel、写函数再算答案；同一个 1830 里，只有这么训的那版把增益带到了 Finance-Agent。

依据

Good Start Labs 联合创始人兼 CEO Alex Duffy 说，强化学习环境是教模型任何可验证能力最可靠的方式之一。他们拿十九世纪铁路游戏《1830: The Game of Railroads and Robber Barons》训练一个 30B 模型：这游戏唯一靠运气的环节只是决定开局顺序，但内置股票竞拍机制，玩家要竞买铁路公司股票、搭出物流网络。Duffy 描述的做法是把工作流搬进游戏——模型翻数据库找这局怎么打的、写进 Excel、在里面写函数、再据此算答案，跟典型财务流程同构。实验比的是两种训练设计：单轮问答（给一个局面让模型走下一步），和多轮终端智能体（用工具探索环境、规划策略、实时调整）。两种设计都改善了自己在游戏内的目标，但只有终端智能体那一版把成绩带到了 Finance-Agent 这个金融研究基准上。更早的对照来自 Diplomacy：OpenAI 的 o3 靠提前规划背叛赢下所有对局，Claude 的 Opus 4 拒绝说谎，Duffy 说它因此「被打得很惨」。所以他把结论落在 harness（把游戏交给模型的那套脚手架）上：它怎么设计，完全改变模型能学到什么。