腾讯研发全新框架:用AI打,让DeepSeek学会战略性思考

来源:暴走熊猫 发布时间:2025-10-05 15:24:55

电竞体育10月05报道 据 decoder 今天报道,腾讯研究人员最近用《王者荣耀》游戏作为训练平台,探索如何让 AI 在游戏中学会“战略性思考”,研究全新 TiG(Think in Games)框架,相关成果已发表于 Hugging Face 网站和 arXiv 平台

研究团队指出,目前的 AI 模型存在明显的功能鸿沟,以游戏为取向的 AI 能正常游玩但无法理解自己所做的决策,而语言模型虽然可以推理策略但很难真正执行操作,为此他们研发了全新 TiG 框架,让模型在游戏中同步思考、行动。

团队选择以《王者荣耀》游戏作为训练范本,先使用匿名且标准化的赛事数据定义推上路、击杀暴君、守家等 40 种宏观行动,胜负回数均衡,AI 模型们必须要在每个定义好的场景下选择最佳策略,并解释其战略缘由。

具体来说,训练分为两个阶段,首先是在监督中学习,弄清楚这些策略的基本机制;随后通过奖励机制进行强化学习,如果行动正确能得 1 分,错误行动则得 0 分。

随后团队测试了多种语言模型,涵盖 Qwen2.5(7B、14B、32B)、Qwen3-14B 模型,并使用 DeepSeek-R1 大模型作为对照组;先从 DeepSeek-R1 提炼高质量训练数据,然后使用群体相对策略优化(GRPO)技术比较不同策略之间的优劣

最终经过 TiG 框架训练的模型不仅能制定行动计划还能解释原因,例如 AI 会指出某个防御塔防守薄弱,是理想的进攻目标,但需要注意埋伏的敌人。模型训练后仍保持原有的文本理解、数学推理与问答能力。

相关阅读
重马比我想的好!跑过这次,心结了却
重马比我想的好!跑过这次,心结了却
重马比我想的好!跑过这次,心结了却
2026-01-20
这张外卡不白拿,40岁瓦林卡逆转取胜,最后一届澳网完美开局
这张外卡不白拿,40岁瓦林卡逆转取胜,最后一届澳网完美开局
这张外卡不白拿,40岁瓦林卡逆转取胜,最后一届澳网完美开局
2026-01-20
终结三连败!商竣程取得大满贯第七胜
终结三连败!商竣程取得大满贯第七胜
终结三连败!商竣程取得大满贯第七胜
2026-01-20
朱卿,生日快乐!明天更快啰
朱卿,生日快乐!明天更快啰
朱卿,生日快乐!明天更快啰
2026-01-20
澳网前两日综述:中国选手喜忧参半,瓦林卡不负外卡!
澳网前两日综述:中国选手喜忧参半,瓦林卡不负外卡!
澳网前两日综述:中国选手喜忧参半,瓦林卡不负外卡!
2026-01-20
巅峰之约,并肩同行迪桑特发布全新雪季国家队灵感系列
巅峰之约,并肩同行迪桑特发布全新雪季国家队灵感系列
巅峰之约,并肩同行迪桑特发布全新雪季国家队灵感系列
2026-01-20
德约直落三盘轻取开门红,缔造两大纪录,其中一纪录让人瞠目咋舌
德约直落三盘轻取开门红,缔造两大纪录,其中一纪录让人瞠目咋舌
德约直落三盘轻取开门红,缔造两大纪录,其中一纪录让人瞠目咋舌
2026-01-20
商竣程闯进澳网男单第二轮,拿下生涯大满贯正赛第7胜
商竣程闯进澳网男单第二轮,拿下生涯大满贯正赛第7胜
商竣程闯进澳网男单第二轮,拿下生涯大满贯正赛第7胜
2026-01-20
周启豪斩获国乒新年首冠,但走出集体低迷仍需时间
周启豪斩获国乒新年首冠,但走出集体低迷仍需时间
周启豪斩获国乒新年首冠,但走出集体低迷仍需时间
2026-01-20
看到樊振东的眼神就知道稳了!
看到樊振东的眼神就知道稳了!
看到樊振东的眼神就知道稳了!
2026-01-20
最新录像
最新集锦
热词推荐
热门TAG