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:2025-10-08 18:55:41

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
半场阿森纳10埃弗顿奥布莱恩手球送点约克雷斯点射建功
半场阿森纳10埃弗顿奥布莱恩手球送点约克雷斯点射建功
半场阿森纳10埃弗顿奥布莱恩手球送点约克雷斯点射建功
2025-12-21
20232024赛季以来,凯塞多是英超唯一抢断200+且拦截100+球员
20232024赛季以来,凯塞多是英超唯一抢断200+且拦截100+球员
20232024赛季以来,凯塞多是英超唯一抢断200+且拦截100+球员
2025-12-21
最近4次西甲年度最后一战皇马均取胜,包括2024年12月战胜塞维
最近4次西甲年度最后一战皇马均取胜,包括2024年12月战胜塞维
最近4次西甲年度最后一战皇马均取胜,包括2024年12月战胜塞维
2025-12-21
格伊:应该把掌声送给求胜欲更强的利兹联,我们需要从中吸取教训
格伊:应该把掌声送给求胜欲更强的利兹联,我们需要从中吸取教训
格伊:应该把掌声送给求胜欲更强的利兹联,我们需要从中吸取教训
2025-12-21
最爱!伊萨克在联赛6战热刺进7球,后者是他进球最多的英超球队
最爱!伊萨克在联赛6战热刺进7球,后者是他进球最多的英超球队
最爱!伊萨克在联赛6战热刺进7球,后者是他进球最多的英超球队
2025-12-21
阿莫林:曼联冬季只引进未来支柱球员,而不是填补非洲杯球员空缺
阿莫林:曼联冬季只引进未来支柱球员,而不是填补非洲杯球员空缺
阿莫林:曼联冬季只引进未来支柱球员,而不是填补非洲杯球员空缺
2025-12-21
利物浦近5场英超有4次未能在上半场进球,近7场上半场仅打进1球
利物浦近5场英超有4次未能在上半场进球,近7场上半场仅打进1球
利物浦近5场英超有4次未能在上半场进球,近7场上半场仅打进1球
2025-12-21
卡萨诺:孔蒂真是一个天才教练霍伊伦完全碾压了AC米兰
卡萨诺:孔蒂真是一个天才教练霍伊伦完全碾压了AC米兰
卡萨诺:孔蒂真是一个天才教练霍伊伦完全碾压了AC米兰
2025-12-21
德转为西甲新援评级:拉什福德、赫伊森等5将二档,阿诺德五档
德转为西甲新援评级:拉什福德、赫伊森等5将二档,阿诺德五档
德转为西甲新援评级:拉什福德、赫伊森等5将二档,阿诺德五档
2025-12-21
塞梅尼奥冬窗离队伊劳拉:他是我们重要的球员,这不是什么秘密
塞梅尼奥冬窗离队伊劳拉:他是我们重要的球员,这不是什么秘密
塞梅尼奥冬窗离队伊劳拉:他是我们重要的球员,这不是什么秘密
2025-12-21
最新录像
最新集锦
热词推荐
热门TAG