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
热刺vs多特:索兰克PK吉拉西,阿德耶米、西蒙斯出战
热刺vs多特:索兰克PK吉拉西,阿德耶米、西蒙斯出战
热刺vs多特:索兰克PK吉拉西,阿德耶米、西蒙斯出战
2026-01-21
多年废材!决定湖人上限!一战问鼎第一人!
多年废材!决定湖人上限!一战问鼎第一人!
多年废材!决定湖人上限!一战问鼎第一人!
2026-01-21
许利民:赵睿恢复情况不错,在窗口期前争取打1到2场比赛
许利民:赵睿恢复情况不错,在窗口期前争取打1到2场比赛
许利民:赵睿恢复情况不错,在窗口期前争取打1到2场比赛
2026-01-21
邮报:尽管蓝军加入竞争,曼联仍有望签下谢周三左后卫阿拉奥
邮报:尽管蓝军加入竞争,曼联仍有望签下谢周三左后卫阿拉奥
邮报:尽管蓝军加入竞争,曼联仍有望签下谢周三左后卫阿拉奥
2026-01-21
主持人刘航晒照:降温的苏沪热情的赛场话说这版本BLG也太猛了
主持人刘航晒照:降温的苏沪热情的赛场话说这版本BLG也太猛了
主持人刘航晒照:降温的苏沪热情的赛场话说这版本BLG也太猛了
2026-01-21
Soboro:我觉得Bin是目前LPL最强上单第一局贪镀层被单杀比较伤
Soboro:我觉得Bin是目前LPL最强上单第一局贪镀层被单杀比较伤
Soboro:我觉得Bin是目前LPL最强上单第一局贪镀层被单杀比较伤
2026-01-21
这下能专心玩二游了!双冠辅助BeryL正式入驻B站将于本月22日在B站首播
这下能专心玩二游了!双冠辅助BeryL正式入驻B站将于本月22日在B站首播
这下能专心玩二游了!双冠辅助BeryL正式入驻B站将于本月22日在B站首播
2026-01-21
LPL明日首发出炉:圆神迎战BuLLDoG,Rookie迎战Creme
LPL明日首发出炉:圆神迎战BuLLDoG,Rookie迎战Creme
LPL明日首发出炉:圆神迎战BuLLDoG,Rookie迎战Creme
2026-01-21
WBGvsAL赛事现场:久违亦如初见
WBGvsAL赛事现场:久违亦如初见
WBGvsAL赛事现场:久违亦如初见
2026-01-21
5.22亿!EWC官方公布2026年电竞世界杯奖金池7500万美元总奖金池!
5.22亿!EWC官方公布2026年电竞世界杯奖金池7500万美元总奖金池!
5.22亿!EWC官方公布2026年电竞世界杯奖金池7500万美元总奖金池!
2026-01-21
最新录像
最新集锦
热词推荐
热门TAG