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 15:11:59

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
为利物浦在英超双响!埃基蒂克是2006年吉布里尔西塞后法国首人
为利物浦在英超双响!埃基蒂克是2006年吉布里尔西塞后法国首人
为利物浦在英超双响!埃基蒂克是2006年吉布里尔西塞后法国首人
2025-12-07
特罗萨德自枪手首秀以来替补登场参与10球,同期英超球员最多
特罗萨德自枪手首秀以来替补登场参与10球,同期英超球员最多
特罗萨德自枪手首秀以来替补登场参与10球,同期英超球员最多
2025-12-07
跟队记者:同等情况下,本赛季没有哪位主帅表现能超过埃梅里
跟队记者:同等情况下,本赛季没有哪位主帅表现能超过埃梅里
跟队记者:同等情况下,本赛季没有哪位主帅表现能超过埃梅里
2025-12-07
马雷斯卡:球队因为有帕尔默会变得更好,上半场获得的机会来自他
马雷斯卡:球队因为有帕尔默会变得更好,上半场获得的机会来自他
马雷斯卡:球队因为有帕尔默会变得更好,上半场获得的机会来自他
2025-12-07
单场英超替补登场破门+被换下,特罗萨德是阿森纳队史第三位
单场英超替补登场破门+被换下,特罗萨德是阿森纳队史第三位
单场英超替补登场破门+被换下,特罗萨德是阿森纳队史第三位
2025-12-07
英超最快百球缔造者!哈兰德:这是历史性的一刻我还能变得更好
英超最快百球缔造者!哈兰德:这是历史性的一刻我还能变得更好
英超最快百球缔造者!哈兰德:这是历史性的一刻我还能变得更好
2025-12-07
哈兰德半场数据:射门、对抗等多项数据挂零,仅2次触球
哈兰德半场数据:射门、对抗等多项数据挂零,仅2次触球
哈兰德半场数据:射门、对抗等多项数据挂零,仅2次触球
2025-12-07
都是最后时刻丢球!枪手第94分钟遭维拉绝杀,第94分钟遭黑猫绝平
都是最后时刻丢球!枪手第94分钟遭维拉绝杀,第94分钟遭黑猫绝平
都是最后时刻丢球!枪手第94分钟遭维拉绝杀,第94分钟遭黑猫绝平
2025-12-07
预定降级创意甲纪录,佛罗伦萨14轮之后比上赛季同期积分少25分
预定降级创意甲纪录,佛罗伦萨14轮之后比上赛季同期积分少25分
预定降级创意甲纪录,佛罗伦萨14轮之后比上赛季同期积分少25分
2025-12-07
福登生涯第4次在英超利用头球破门,本赛季已经第二次
福登生涯第4次在英超利用头球破门,本赛季已经第二次
福登生涯第4次在英超利用头球破门,本赛季已经第二次
2025-12-07
最新录像
最新集锦
热词推荐
热门TAG