腾讯研发全新TiG框架:用AI玩王者荣耀让AI模型学会战略性思考

来源: 发布时间:2025-10-04 20:10:34
电竞资讯10月4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 平台和 arXiv 期刊

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。

undefined

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。

undefined

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。

undefined

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

undefined

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。

undefined

最终测试结果如下:

  • 对照组 DeepSeek-R1:决策准确率达 86.67%

  • Qwen3-14B:决策准确率达 90.91%,超越 DeepSeek-R1

  • Qwen2.5-32B :准确率从 66.67% 提升至 86.84%

  • Qwen2.5-14B:准确率从 53.25% 提升至 83.12%

相关阅读
继续加油!U23国足半场控球超6成传球数多130,多名主力在替补席
继续加油!U23国足半场控球超6成传球数多130,多名主力在替补席
继续加油!U23国足半场控球超6成传球数多130,多名主力在替补席
2026-01-21
跟队:恩佐回归训练,暂时无法确定能否出战欧冠对阵帕福斯
跟队:恩佐回归训练,暂时无法确定能否出战欧冠对阵帕福斯
跟队:恩佐回归训练,暂时无法确定能否出战欧冠对阵帕福斯
2026-01-21
继续保持!U23国足本届亚洲杯435分钟1球未丢,仍保持0失球纪录
继续保持!U23国足本届亚洲杯435分钟1球未丢,仍保持0失球纪录
继续保持!U23国足本届亚洲杯435分钟1球未丢,仍保持0失球纪录
2026-01-21
孔帕尼:不能以夺冠来判定一位教练优秀,也不能以降级判定他糟糕
孔帕尼:不能以夺冠来判定一位教练优秀,也不能以降级判定他糟糕
孔帕尼:不能以夺冠来判定一位教练优秀,也不能以降级判定他糟糕
2026-01-21
斯帕莱蒂:我会送穆帅一瓶收藏的酒,有他参与比赛必须做不同准备
斯帕莱蒂:我会送穆帅一瓶收藏的酒,有他参与比赛必须做不同准备
斯帕莱蒂:我会送穆帅一瓶收藏的酒,有他参与比赛必须做不同准备
2026-01-21
反常!国足U23前四场平均控球率37%,目前半场控球率高达64%
反常!国足U23前四场平均控球率37%,目前半场控球率高达64%
反常!国足U23前四场平均控球率37%,目前半场控球率高达64%
2026-01-21
跟队记者:3200万到3300万欧,尤文对马特塔的第二份报价仍遭拒绝
跟队记者:3200万到3300万欧,尤文对马特塔的第二份报价仍遭拒绝
跟队记者:3200万到3300万欧,尤文对马特塔的第二份报价仍遭拒绝
2026-01-21
李昊快发遭对手阻挡,裁判吹罚犯规,对手吃到一张黄牌
李昊快发遭对手阻挡,裁判吹罚犯规,对手吃到一张黄牌
李昊快发遭对手阻挡,裁判吹罚犯规,对手吃到一张黄牌
2026-01-21
队报:阿隆索无法接受失利,游说姆巴佩带伤出战,建议打封闭被拒
队报:阿隆索无法接受失利,游说姆巴佩带伤出战,建议打封闭被拒
队报:阿隆索无法接受失利,游说姆巴佩带伤出战,建议打封闭被拒
2026-01-21
本届26次扑救!李昊上半场飞扑任意球+出击化解险情还造对手一黄
本届26次扑救!李昊上半场飞扑任意球+出击化解险情还造对手一黄
本届26次扑救!李昊上半场飞扑任意球+出击化解险情还造对手一黄
2026-01-21
最新录像
最新集锦
热词推荐
热门TAG