腾讯研发全新框架:用AI打,让DeepSeek学会战略性思考

来源:24直播网 发布时间:2025-10-05 15:07:34

电竞资讯10月05日称 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

undefined

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
谁是当下NBA最被高估球员狄龙:现在是詹姆斯他的时代要结束了
谁是当下NBA最被高估球员狄龙:现在是詹姆斯他的时代要结束了
谁是当下NBA最被高估球员狄龙:现在是詹姆斯他的时代要结束了
2026-02-01
已连续缺席4场!科尔:库明加感觉好多了骨挫伤情况在好转
已连续缺席4场!科尔:库明加感觉好多了骨挫伤情况在好转
已连续缺席4场!科尔:库明加感觉好多了骨挫伤情况在好转
2026-02-01
科尔:球队会继续讨论是否在赛季后半段适时安排库里轮休
科尔:球队会继续讨论是否在赛季后半段适时安排库里轮休
科尔:球队会继续讨论是否在赛季后半段适时安排库里轮休
2026-02-01
多诺万:吉迪腿筋情况在好转在肌肉的不适感完全消退前不会打
多诺万:吉迪腿筋情况在好转在肌肉的不适感完全消退前不会打
多诺万:吉迪腿筋情况在好转在肌肉的不适感完全消退前不会打
2026-02-01
烤肉姐打趣:乔治14年断腿26年又这么一下本命年要送他红内裤
烤肉姐打趣:乔治14年断腿26年又这么一下本命年要送他红内裤
烤肉姐打趣:乔治14年断腿26年又这么一下本命年要送他红内裤
2026-02-01
纳斯:我们会尽一切所能帮助乔治希望能以最好方式渡过难关
纳斯:我们会尽一切所能帮助乔治希望能以最好方式渡过难关
纳斯:我们会尽一切所能帮助乔治希望能以最好方式渡过难关
2026-02-01
出手权不多!马克西半场仅6次出手&中3球拿8分三分4中2&另有3助
出手权不多!马克西半场仅6次出手&中3球拿8分三分4中2&另有3助
出手权不多!马克西半场仅6次出手&中3球拿8分三分4中2&另有3助
2026-02-01
挑大梁!恩比德半场17中7砍最高23分8板罚球9中9
挑大梁!恩比德半场17中7砍最高23分8板罚球9中9
挑大梁!恩比德半场17中7砍最高23分8板罚球9中9
2026-02-01
庞峥麟:“晚熟”的秘密
庞峥麟:“晚熟”的秘密
庞峥麟:“晚熟”的秘密
2026-02-01
扛起产量!爱德华兹打满首节9投4中砍下12分1板2助&正负值+9
扛起产量!爱德华兹打满首节9投4中砍下12分1板2助&正负值+9
扛起产量!爱德华兹打满首节9投4中砍下12分1板2助&正负值+9
2026-02-01
最新录像
最新集锦
热词推荐
热门TAG