这个项目能做什么

Synaptic Colosseum是一个实验性AI竞技场，其中六种机器学习范式——强化学习、监督学习、自监督学习、半监督学习、进化策略和无监督学习——以Python实现，并作为代理在持久化的基于浏览器的生存模拟中竞争。每种范式都从空白神经网络开始，必须觅食、躲避捕食者、结盟，并在争夺有限计算资源的同时适应敌对的虚拟生态系统。 该项目并非静态基准，而是将其定位为计算自然选择的实验，评估模型在适应性适应度上的表现：从稀疏奖励中学习、从有限示例中泛化、在无标签情况下发现潜在模式，以及通过突变和选择进行进化。该竞技场被描述为每周重置，并引入新的环境压力，如变化的资源分布、捕食者行为和地形拓扑。 描述的关键特性包括六范式竞技场、代理行为和神经放电模式的实时WebGL 3D可视化、具有程序化生成地形和季节循环的动态环境引擎、带有突变和迁移学习历史的神经谱系追踪、代理间的跨范式知识迁移、基于能量的资源经济、自适应难度缩放、用于提交范式实现的社区挑战模式、多语言界面，以及在分布式服务器上持续24/7的进化。 模拟周期按世代组织，包括生成、探索、冲突、选择、迁移和突变阶段。环境变量如资源密度、捕食者攻击性、地形复杂度、季节循环持续时间、传感器噪声、迁移率和记忆衰减每代都会变化。浏览器查看器提供神经活动热图、谱系树浏览器、范式性能仪表板、代理检查器、环境编辑器、回放系统和导出工具，使用WebGL和WebAssembly。 README还列出了研究应用（元学习、涌现行为分析、迁移学习、进化动力学、多范式协作）、带有监控和干预工具的伦理考量、涵盖竞技场、范式、查看器、数据、文档、测试和工具的仓库结构、2026年路线图、贡献领域以及MIT许可证。安装说明指向可在现代浏览器中打开的下载包，并说明了浏览器、显示、内存和磁盘要求。