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 15:12:01

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
库里30岁后35+场次历史第一勇士却又一次输掉面对残阵的比赛
库里30岁后35+场次历史第一勇士却又一次输掉面对残阵的比赛
库里30岁后35+场次历史第一勇士却又一次输掉面对残阵的比赛
2025-12-13
怎么学的英语姚明:在NBA更衣室里坐上超过6个月你自然就会了
怎么学的英语姚明:在NBA更衣室里坐上超过6个月你自然就会了
怎么学的英语姚明:在NBA更衣室里坐上超过6个月你自然就会了
2025-12-13
NBA彩经:魔术主场不敌尼克斯雷霆主场力克马刺
NBA彩经:魔术主场不敌尼克斯雷霆主场力克马刺
NBA彩经:魔术主场不敌尼克斯雷霆主场力克马刺
2025-12-13
小波特赛季场均25+分且命中率50%+三分40%比肩约字亚华
小波特赛季场均25+分且命中率50%+三分40%比肩约字亚华
小波特赛季场均25+分且命中率50%+三分40%比肩约字亚华
2025-12-13
开拓者媒体人:对斯普利特感到满意他在波波麾下待过也会成名帅
开拓者媒体人:对斯普利特感到满意他在波波麾下待过也会成名帅
开拓者媒体人:对斯普利特感到满意他在波波麾下待过也会成名帅
2025-12-13
罚球2中0!郭艾伦首节6分钟未得分送出1助攻&1次失误
罚球2中0!郭艾伦首节6分钟未得分送出1助攻&1次失误
罚球2中0!郭艾伦首节6分钟未得分送出1助攻&1次失误
2025-12-13
半岛都市报:新赛制下外援影响力提升几乎成左右胜负唯一元素
半岛都市报:新赛制下外援影响力提升几乎成左右胜负唯一元素
半岛都市报:新赛制下外援影响力提升几乎成左右胜负唯一元素
2025-12-13
解说:弗拉格首节爆发为比赛定基调鲍威尔是独行侠队魂&还在进化
解说:弗拉格首节爆发为比赛定基调鲍威尔是独行侠队魂&还在进化
解说:弗拉格首节爆发为比赛定基调鲍威尔是独行侠队魂&还在进化
2025-12-13
许利民:赵睿在个人思想状态上有一个跨越这是我们签下他的原因
许利民:赵睿在个人思想状态上有一个跨越这是我们签下他的原因
许利民:赵睿在个人思想状态上有一个跨越这是我们签下他的原因
2025-12-13
备战明年休赛期!湖蜜别交易模拟了今年没有大动作又是小修小补
备战明年休赛期!湖蜜别交易模拟了今年没有大动作又是小修小补
备战明年休赛期!湖蜜别交易模拟了今年没有大动作又是小修小补
2025-12-13
最新录像
最新集锦
热词推荐
热门TAG