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 14:28:43

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
点射绝杀!官方:索博斯洛伊当选利物浦10国米队内最佳球员
点射绝杀!官方:索博斯洛伊当选利物浦10国米队内最佳球员
点射绝杀!官方:索博斯洛伊当选利物浦10国米队内最佳球员
2025-12-10
巴萨01法兰克福半场数据:射门72,射正11,控球率78%22%
巴萨01法兰克福半场数据:射门72,射正11,控球率78%22%
巴萨01法兰克福半场数据:射门72,射正11,控球率78%22%
2025-12-10
马丁内利:我们需要战胜布鲁日输给维拉令人失望但必须继续前进
马丁内利:我们需要战胜布鲁日输给维拉令人失望但必须继续前进
马丁内利:我们需要战胜布鲁日输给维拉令人失望但必须继续前进
2025-12-10
梅开二度助球队逆转,官方:孔德当选巴萨21法兰克福全场最佳
梅开二度助球队逆转,官方:孔德当选巴萨21法兰克福全场最佳
梅开二度助球队逆转,官方:孔德当选巴萨21法兰克福全场最佳
2025-12-10
头球双响!孔德数据:2次射门进2球,3次关键传球,评分9全场最高
头球双响!孔德数据:2次射门进2球,3次关键传球,评分9全场最高
头球双响!孔德数据:2次射门进2球,3次关键传球,评分9全场最高
2025-12-10
17岁290天!卡尔成欧冠历史最年轻连续3场比赛进球的球员
17岁290天!卡尔成欧冠历史最年轻连续3场比赛进球的球员
17岁290天!卡尔成欧冠历史最年轻连续3场比赛进球的球员
2025-12-10
5000名利物浦球迷支持斯洛特,在欧冠比赛中多次高唱斯洛特之歌
5000名利物浦球迷支持斯洛特,在欧冠比赛中多次高唱斯洛特之歌
5000名利物浦球迷支持斯洛特,在欧冠比赛中多次高唱斯洛特之歌
2025-12-10
彭博社:热刺老板对前主席列维进行账务审查,未查出不正当行为
彭博社:热刺老板对前主席列维进行账务审查,未查出不正当行为
彭博社:热刺老板对前主席列维进行账务审查,未查出不正当行为
2025-12-10
利物浦在萨拉赫缺席的情况下欧冠客场取胜,上次还在2009年
利物浦在萨拉赫缺席的情况下欧冠客场取胜,上次还在2009年
利物浦在萨拉赫缺席的情况下欧冠客场取胜,上次还在2009年
2025-12-10
44场23球4助!记者:中国某队正和大阪樱花的巴西边锋拉斐尔谈判
44场23球4助!记者:中国某队正和大阪樱花的巴西边锋拉斐尔谈判
44场23球4助!记者:中国某队正和大阪樱花的巴西边锋拉斐尔谈判
2025-12-10
最新录像
最新集锦
热词推荐
热门TAG