
電競資訊10月05日稱 據(jù) decoder 今天報(bào)道,騰訊研究人員最近用《王者榮耀》游戲作為訓(xùn)練平臺,探索如何讓 AI 在游戲中學(xué)會“戰(zhàn)略性思考”,研究全新 TiG(Think in Games)框架,相關(guān)成果已發(fā)表于 Hugging Face 網(wǎng)站和 arXiv 平臺。

研究團(tuán)隊(duì)指出,目前的 AI 模型存在明顯的功能鴻溝,以游戲?yàn)槿∠虻?AI 能正常游玩但無法理解自己所做的決策,而語言模型雖然可以推理策略,但很難真正執(zhí)行操作,為此他們研發(fā)了全新 TiG 框架,讓模型在游戲中同步思考、行動(dòng)。
團(tuán)隊(duì)選擇以《王者榮耀》游戲作為訓(xùn)練范本,先使用匿名且標(biāo)準(zhǔn)化的賽事數(shù)據(jù)定義推上路、擊殺暴君、守家等 40 種宏觀行動(dòng),勝負(fù)回?cái)?shù)均衡,AI 模型們必須要在每個(gè)定義好的場景下選擇最佳策略,并解釋其戰(zhàn)略緣由。
具體來說,訓(xùn)練分為兩個(gè)階段,首先是在監(jiān)督中學(xué)習(xí),弄清楚這些策略的基本機(jī)制;隨后通過獎(jiǎng)勵(lì)機(jī)制進(jìn)行強(qiáng)化學(xué)習(xí),如果行動(dòng)正確能得 1 分,錯(cuò)誤行動(dòng)則得 0 分。
隨后團(tuán)隊(duì)測試了多種語言模型,涵蓋 Qwen2.5(7B、14B、32B)、Qwen3-14B 模型,并使用 DeepSeek-R1 大模型作為對照組;先從 DeepSeek-R1 提煉高質(zhì)量訓(xùn)練數(shù)據(jù),然后使用群體相對策略優(yōu)化(GRPO)技術(shù),比較不同策略之間的優(yōu)劣。
最終經(jīng)過 TiG 框架訓(xùn)練的模型不僅能制定行動(dòng)計(jì)劃,還能解釋原因,例如 AI 會指出某個(gè)防御塔防守薄弱,是理想的進(jìn)攻目標(biāo),但需要注意埋伏的敵人。模型訓(xùn)練后仍保持原有的文本理解、數(shù)學(xué)推理與問答能力。
曾在CBA單場砍下82分!CJ祝哥哥埃里克麥科勒姆生日快樂!
體育播報(bào)1月23日宣 CJ·麥科勒姆發(fā)文祝自己的哥哥埃里克·麥科勒姆生日快樂。他寫道:“生日快樂,我的大哥!愛你...
2026-01-23
落選秀考德威爾:我大五才場均5+5沒有人認(rèn)為我能進(jìn)NBA
體育播報(bào)1月23日宣 國王落選秀考德威爾近期表現(xiàn)出色,他接受采訪時(shí)談到了自己逐夢NBA的經(jīng)歷。他說:“大學(xué)時(shí),我...
2026-01-23
兩年前的今天!大帝恩比德狂砍70分18籃板5助攻!
體育播報(bào)1月23日宣 兩年前的今天,恩比德帶領(lǐng)76人在主場以133-123戰(zhàn)勝馬刺。全場比賽,恩比德41投24中,三分2中1,...
2026-01-23
追夢:NBA沒人會說我打球臟拉松把德羅贊氣成那樣肯定搞了事
體育播報(bào)1月23日宣 追夢在播客中點(diǎn)名佩勒·拉松,稱他和德羅贊、布克都有過沖突,他還表示大多數(shù)歐洲球員打球都...
2026-01-23
曼聯(lián)官方:客戰(zhàn)槍手將穿黑色球衣上次聯(lián)賽客勝槍手還是穆帥時(shí)期
體育播報(bào)1月22日宣 本周末英超第23輪,曼聯(lián)將做客挑戰(zhàn)阿森納。紅魔官網(wǎng)消息,本場比賽球隊(duì)將身著黑色第三球衣,同...
2026-01-23