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 15:09:12

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
安东尼:只要詹姆斯想他40岁也能拿得分王他现在仍能场均30+
安东尼:只要詹姆斯想他40岁也能拿得分王他现在仍能场均30+
安东尼:只要詹姆斯想他40岁也能拿得分王他现在仍能场均30+
2025-12-14
轻松!周琦全场6投5中拿到12分8板2助1断3帽制霸攻防正负值+16
轻松!周琦全场6投5中拿到12分8板2助1断3帽制霸攻防正负值+16
轻松!周琦全场6投5中拿到12分8板2助1断3帽制霸攻防正负值+16
2025-12-14
媒体人:翟晓川潜力赛得到全场最高的12分这潜力杠杠的
媒体人:翟晓川潜力赛得到全场最高的12分这潜力杠杠的
媒体人:翟晓川潜力赛得到全场最高的12分这潜力杠杠的
2025-12-14
下半场回暖未能救主!邹阳10中6拿15分9板3断15分全是下半场所得
下半场回暖未能救主!邹阳10中6拿15分9板3断15分全是下半场所得
下半场回暖未能救主!邹阳10中6拿15分9板3断15分全是下半场所得
2025-12-14
阿里纳斯:詹姆斯即便再拿两冠和乔丹也是46除非夺冠+FMVP
阿里纳斯:詹姆斯即便再拿两冠和乔丹也是46除非夺冠+FMVP
阿里纳斯:詹姆斯即便再拿两冠和乔丹也是46除非夺冠+FMVP
2025-12-14
JR在CBA只住五星级杨毅:球员都住五星级半夜点菜炒一本没听说
JR在CBA只住五星级杨毅:球员都住五星级半夜点菜炒一本没听说
JR在CBA只住五星级杨毅:球员都住五星级半夜点菜炒一本没听说
2025-12-14
末节被轰160!媒体人:深圳想多赢球要解决防转换不然一切白搭
末节被轰160!媒体人:深圳想多赢球要解决防转换不然一切白搭
末节被轰160!媒体人:深圳想多赢球要解决防转换不然一切白搭
2025-12-14
拼尽全力!贺希宁16中8拿到24分6板三分10中4
拼尽全力!贺希宁16中8拿到24分6板三分10中4
拼尽全力!贺希宁16中8拿到24分6板三分10中4
2025-12-14
犯规大战!新疆&福建全场52次犯规共3人犯满合计罚球59次
犯规大战!新疆&福建全场52次犯规共3人犯满合计罚球59次
犯规大战!新疆&福建全场52次犯规共3人犯满合计罚球59次
2025-12-14
奥尼尔:换做现在我不会打一年就选秀我会好好利用大学平台成长
奥尼尔:换做现在我不会打一年就选秀我会好好利用大学平台成长
奥尼尔:换做现在我不会打一年就选秀我会好好利用大学平台成长
2025-12-14
最新录像
最新集锦
热词推荐
热门TAG