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 15:04:28

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
马尔基西奥:我对执教没有兴趣国米那不勒斯是意甲冠军热门
马尔基西奥:我对执教没有兴趣国米那不勒斯是意甲冠军热门
马尔基西奥:我对执教没有兴趣国米那不勒斯是意甲冠军热门
2025-12-11
环足奖最佳球员投票:登贝莱反超姆巴佩登顶,拉菲尼亚第三
环足奖最佳球员投票:登贝莱反超姆巴佩登顶,拉菲尼亚第三
环足奖最佳球员投票:登贝莱反超姆巴佩登顶,拉菲尼亚第三
2025-12-11
世体:巴萨在弗里克治下已完成16次逆转,其中包括3次对阵皇马
世体:巴萨在弗里克治下已完成16次逆转,其中包括3次对阵皇马
世体:巴萨在弗里克治下已完成16次逆转,其中包括3次对阵皇马
2025-12-11
本赛季欧冠成功过人榜:海于格23次居首,亚马尔21次第二
本赛季欧冠成功过人榜:海于格23次居首,亚马尔21次第二
本赛季欧冠成功过人榜:海于格23次居首,亚马尔21次第二
2025-12-11
世体:巴萨今日开始备战周末联赛,加维、奥尔莫、阿劳霍缺席
世体:巴萨今日开始备战周末联赛,加维、奥尔莫、阿劳霍缺席
世体:巴萨今日开始备战周末联赛,加维、奥尔莫、阿劳霍缺席
2025-12-11
热苏斯谈复出:我100%相信自己能变得比以往更出色
热苏斯谈复出:我100%相信自己能变得比以往更出色
热苏斯谈复出:我100%相信自己能变得比以往更出色
2025-12-11
镜报:萨拉赫与斯洛特48小时内将进行关键会面,以决定未来
镜报:萨拉赫与斯洛特48小时内将进行关键会面,以决定未来
镜报:萨拉赫与斯洛特48小时内将进行关键会面,以决定未来
2025-12-11
曼联2526赛季第一季度财报:总收入1.403亿镑,营业利润1300万镑
曼联2526赛季第一季度财报:总收入1.403亿镑,营业利润1300万镑
曼联2526赛季第一季度财报:总收入1.403亿镑,营业利润1300万镑
2025-12-11
本赛季欧冠射门次数榜:巴黎120次居首,皇马、利物浦二三位
本赛季欧冠射门次数榜:巴黎120次居首,皇马、利物浦二三位
本赛季欧冠射门次数榜:巴黎120次居首,皇马、利物浦二三位
2025-12-11
TA:若离开利物浦萨拉赫选择相当有限,皇萨基本不可能引进他
TA:若离开利物浦萨拉赫选择相当有限,皇萨基本不可能引进他
TA:若离开利物浦萨拉赫选择相当有限,皇萨基本不可能引进他
2025-12-11
最新录像
最新集锦
热词推荐
热门TAG