腾讯研发全新框架:用AI打,让DeepSeek学会战略性思考

来源:暴走熊猫 发布时间:2025-10-05 17:02:37

体育资讯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

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
CBA最惨队!一外援提桶跑路一外援被裁新赛季前景蒙上阴影
CBA最惨队!一外援提桶跑路一外援被裁新赛季前景蒙上阴影
CBA最惨队!一外援提桶跑路一外援被裁新赛季前景蒙上阴影
2025-12-10
詹姆斯称201718赛季是生涯巅峰该如何评价18詹的表现呢
詹姆斯称201718赛季是生涯巅峰该如何评价18詹的表现呢
詹姆斯称201718赛季是生涯巅峰该如何评价18詹的表现呢
2025-12-10
7换1值不值!肉装库里37分大逆转!脾气太冲!
7换1值不值!肉装库里37分大逆转!脾气太冲!
7换1值不值!肉装库里37分大逆转!脾气太冲!
2025-12-10
国米本赛季欧冠取胜对手均在附加赛区之外,最高排名第25
国米本赛季欧冠取胜对手均在附加赛区之外,最高排名第25
国米本赛季欧冠取胜对手均在附加赛区之外,最高排名第25
2025-12-10
博斯:瑟洛特让球队难以应对比赛前30分钟属于埃因霍温
博斯:瑟洛特让球队难以应对比赛前30分钟属于埃因霍温
博斯:瑟洛特让球队难以应对比赛前30分钟属于埃因霍温
2025-12-10
欧冠5队12分!巴萨国米形势严峻,熟悉的利物浦切尔西,都回来了
欧冠5队12分!巴萨国米形势严峻,熟悉的利物浦切尔西,都回来了
欧冠5队12分!巴萨国米形势严峻,熟悉的利物浦切尔西,都回来了
2025-12-10
CBA最新消息!新疆男篮裁掉路易斯金,威尔斯或离开辽宁
CBA最新消息!新疆男篮裁掉路易斯金,威尔斯或离开辽宁
CBA最新消息!新疆男篮裁掉路易斯金,威尔斯或离开辽宁
2025-12-10
苏炳添宣布退役
苏炳添宣布退役
苏炳添宣布退役
2025-12-10
31!不惧凯恩哑火,17岁超新星破欧冠新纪录,拜仁逆转斩获4连胜
31!不惧凯恩哑火,17岁超新星破欧冠新纪录,拜仁逆转斩获4连胜
31!不惧凯恩哑火,17岁超新星破欧冠新纪录,拜仁逆转斩获4连胜
2025-12-10
把问题放在一边索博:这就是我们的工作,不去想场外的事情
把问题放在一边索博:这就是我们的工作,不去想场外的事情
把问题放在一边索博:这就是我们的工作,不去想场外的事情
2025-12-10
最新录像
最新集锦
热词推荐
热门TAG