让 AI 玩游戏，难点不只是“看懂画面”，而是边看边按：跑动时跳跃、转动视角时瞄准，还要根据结果立刻调整。真人示范像高手录像，能教基本动作，却很难覆盖所有意外局面。Player-1 的思路是先模仿，再让智能体进入合成练兵场，用可自动判定的成败反馈继续训练。
团队先用 6,044 条游戏轨迹做监督微调——也就是让模型照着操作记录学习；随后搭建 Player-1-Gym，其中包含 16 个合成的 2D、3D 环境，集中练习瞄准、战斗、驾驶、导航和界面操作等共通能力。它还支持组合动作，例如一边按住前进键一边跳跃，使训练更接近真实游戏控制。
据论文作者报告，Player-1-9B 在 MineDojo-300 上的成功率从监督微调后的 10.54%升至 38.33%，而其评测中最强外部基线为 12.63%；模型在未用于强化训练的 ViZDoom-10 和 GameWorld 上也有提升。值得关注的不是 AI 又会玩几款游戏，而是游戏可能成为一种可规模化生成交互经验的训练场。不过，这些效果目前仍以论文作者的评测为准。