腾讯研发全新框架:用AI打,让DeepSeek学会战略性思考

来源: 发布时间:2025-10-05 15:09:17

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
卡塔尔入主巴黎以来,迪亚斯是第5位欧冠对阵巴黎双响的球员
卡塔尔入主巴黎以来,迪亚斯是第5位欧冠对阵巴黎双响的球员
卡塔尔入主巴黎以来,迪亚斯是第5位欧冠对阵巴黎双响的球员
2025-11-05
利物浦10皇马全场数据:红军4成控球17射9正,皇马6成控球8射2正
利物浦10皇马全场数据:红军4成控球17射9正,皇马6成控球8射2正
利物浦10皇马全场数据:红军4成控球17射9正,皇马6成控球8射2正
2025-11-05
姆巴佩4次对阵利物浦1胜3负仅进1球,近3次交手0球0助
姆巴佩4次对阵利物浦1胜3负仅进1球,近3次交手0球0助
姆巴佩4次对阵利物浦1胜3负仅进1球,近3次交手0球0助
2025-11-05
维尼修斯禁区倒地+抗议面部被打,裁判未作表示
维尼修斯禁区倒地+抗议面部被打,裁判未作表示
维尼修斯禁区倒地+抗议面部被打,裁判未作表示
2025-11-05
利物浦本赛季欧冠通过定位球攻入5球,参赛球队中最多
利物浦本赛季欧冠通过定位球攻入5球,参赛球队中最多
利物浦本赛季欧冠通过定位球攻入5球,参赛球队中最多
2025-11-05
若本轮出场,B席将成为第4位达成欧冠百场成就的葡萄牙球员
若本轮出场,B席将成为第4位达成欧冠百场成就的葡萄牙球员
若本轮出场,B席将成为第4位达成欧冠百场成就的葡萄牙球员
2025-11-05
1助攻+4关键传球,官方:哈维西蒙斯当选热刺40哥本哈根最佳
1助攻+4关键传球,官方:哈维西蒙斯当选热刺40哥本哈根最佳
1助攻+4关键传球,官方:哈维西蒙斯当选热刺40哥本哈根最佳
2025-11-05
巴尔韦德谈罚点次序:必须遵从主帅的决定,不能流露不满情绪
巴尔韦德谈罚点次序:必须遵从主帅的决定,不能流露不满情绪
巴尔韦德谈罚点次序:必须遵从主帅的决定,不能流露不满情绪
2025-11-05
3平1负!尤文队史第三次欧冠前4场比赛不胜
3平1负!尤文队史第三次欧冠前4场比赛不胜
3平1负!尤文队史第三次欧冠前4场比赛不胜
2025-11-05
只用110场!拉亚成阿森纳队史最快实现50场零封门将
只用110场!拉亚成阿森纳队史最快实现50场零封门将
只用110场!拉亚成阿森纳队史最快实现50场零封门将
2025-11-05
最新录像
最新集锦
热词推荐
热门TAG