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 15:09:08

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
Haynes:已有多支球队主动接洽保罗了解职业规划他从未间断训练
Haynes:已有多支球队主动接洽保罗了解职业规划他从未间断训练
Haynes:已有多支球队主动接洽保罗了解职业规划他从未间断训练
2025-12-14
雷迪克:我们为詹姆斯设计多种掩护战术制造错位最近是顺下空切
雷迪克:我们为詹姆斯设计多种掩护战术制造错位最近是顺下空切
雷迪克:我们为詹姆斯设计多种掩护战术制造错位最近是顺下空切
2025-12-14
字母哥要求加盟尼克斯Haynes:夏天是首选现在他无法公开表态
字母哥要求加盟尼克斯Haynes:夏天是首选现在他无法公开表态
字母哥要求加盟尼克斯Haynes:夏天是首选现在他无法公开表态
2025-12-14
解说:这个奔跑的联盟对球员腿部肌肉的损伤正呈批量式爆发
解说:这个奔跑的联盟对球员腿部肌肉的损伤正呈批量式爆发
解说:这个奔跑的联盟对球员腿部肌肉的损伤正呈批量式爆发
2025-12-14
已经连续缺席21场!老鹰官方:特雷杨预计下周恢复球场训练
已经连续缺席21场!老鹰官方:特雷杨预计下周恢复球场训练
已经连续缺席21场!老鹰官方:特雷杨预计下周恢复球场训练
2025-12-14
风卷残云!萨格斯高速反击对抗防守拉杆上篮打成2+1
风卷残云!萨格斯高速反击对抗防守拉杆上篮打成2+1
风卷残云!萨格斯高速反击对抗防守拉杆上篮打成2+1
2025-12-14
总是关键时刻疲软!卢:有时候少丢一个前场板我们就能咬住比赛
总是关键时刻疲软!卢:有时候少丢一个前场板我们就能咬住比赛
总是关键时刻疲软!卢:有时候少丢一个前场板我们就能咬住比赛
2025-12-14
看看谁更硬!斯玛特:我很欣赏狄龙的态度竞技体育本就该如此
看看谁更硬!斯玛特:我很欣赏狄龙的态度竞技体育本就该如此
看看谁更硬!斯玛特:我很欣赏狄龙的态度竞技体育本就该如此
2025-12-14
火力很猛!布伦森半场17中10砍下25分罚球7中5
火力很猛!布伦森半场17中10砍下25分罚球7中5
火力很猛!布伦森半场17中10砍下25分罚球7中5
2025-12-14
自我突破!林葳21分钟7中3拿下8分1助攻出场时间&得分创个人新高
自我突破!林葳21分钟7中3拿下8分1助攻出场时间&得分创个人新高
自我突破!林葳21分钟7中3拿下8分1助攻出场时间&得分创个人新高
2025-12-14
最新录像
最新集锦
热词推荐
热门TAG