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 13:26:36

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
奥利塞本场4射0正1助攻+5关键传球8过人6成功+3抢断获7.5分
奥利塞本场4射0正1助攻+5关键传球8过人6成功+3抢断获7.5分
奥利塞本场4射0正1助攻+5关键传球8过人6成功+3抢断获7.5分
2025-12-10
绿帽哥:萨拉赫必须在布莱顿比赛名单确定前,就其行为表现出悔意
绿帽哥:萨拉赫必须在布莱顿比赛名单确定前,就其行为表现出悔意
绿帽哥:萨拉赫必须在布莱顿比赛名单确定前,就其行为表现出悔意
2025-12-10
图片报:拜仁3月因燃放焰火被罚款此次再犯预计将部分关闭南看台
图片报:拜仁3月因燃放焰火被罚款此次再犯预计将部分关闭南看台
图片报:拜仁3月因燃放焰火被罚款此次再犯预计将部分关闭南看台
2025-12-10
回声报利物浦评分:赫拉芬贝赫、索博斯洛伊、维尔茨8分并列最高
回声报利物浦评分:赫拉芬贝赫、索博斯洛伊、维尔茨8分并列最高
回声报利物浦评分:赫拉芬贝赫、索博斯洛伊、维尔茨8分并列最高
2025-12-10
阿尔特塔:赖斯病得很重感觉很不好球员伤病多不是因为训练过度
阿尔特塔:赖斯病得很重感觉很不好球员伤病多不是因为训练过度
阿尔特塔:赖斯病得很重感觉很不好球员伤病多不是因为训练过度
2025-12-10
17岁290天!卡尔成欧冠历史最年轻连续3场比赛进球的球员
17岁290天!卡尔成欧冠历史最年轻连续3场比赛进球的球员
17岁290天!卡尔成欧冠历史最年轻连续3场比赛进球的球员
2025-12-10
祖上不富!追平萨乌尔,小蜘蛛打进11球并列马竞欧冠射手榜次席
祖上不富!追平萨乌尔,小蜘蛛打进11球并列马竞欧冠射手榜次席
祖上不富!追平萨乌尔,小蜘蛛打进11球并列马竞欧冠射手榜次席
2025-12-10
罗马诺:巴萨完全支持阿劳霍,俱乐部希望他能以最佳状态回归
罗马诺:巴萨完全支持阿劳霍,俱乐部希望他能以最佳状态回归
罗马诺:巴萨完全支持阿劳霍,俱乐部希望他能以最佳状态回归
2025-12-10
亚特兰大主帅谈国米点球:这是一个根本不存在的点球
亚特兰大主帅谈国米点球:这是一个根本不存在的点球
亚特兰大主帅谈国米点球:这是一个根本不存在的点球
2025-12-10
冬窗补强埃贝尔:暂无计划且有多位伤员复出,引援可能引发动荡
冬窗补强埃贝尔:暂无计划且有多位伤员复出,引援可能引发动荡
冬窗补强埃贝尔:暂无计划且有多位伤员复出,引援可能引发动荡
2025-12-10
最新录像
最新集锦
热词推荐
热门TAG