Simon Edwardsson

中文参考

@CompleteSkeptic的Jev Doom演示非常酷，所以在我等待访问时，我在@GoogleGemma的Gemma 4 E2 B上尝试了同样的事情。 我的直接拍摄640 x 480帧，没有场景的中间文本描述。它在批处理操作查询中共享图像预填充，然后直接从日志中读取控件。 这有点有效。

原帖全文 / EN

The Jev Doom demo by @CompleteSkeptic is really cool, so while I’m waiting for access I tried the same thing with Gemma 4 E2B from @GoogleGemma. Mine takes 640×480 frames directly, with no intermediate text description of the scene. It shares the image prefill across batched action queries, then reads the controls directly from logits. It sort of works.