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 15:04:17

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
45投24中!雷迪克:绿军的三分让我们的防守选择付出了代价
45投24中!雷迪克:绿军的三分让我们的防守选择付出了代价
45投24中!雷迪克:绿军的三分让我们的防守选择付出了代价
2025-12-06
进攻核心!杰伦布朗本赛季场均29分得分+助攻创造41.6分
进攻核心!杰伦布朗本赛季场均29分得分+助攻创造41.6分
进攻核心!杰伦布朗本赛季场均29分得分+助攻创造41.6分
2025-12-06
球队大脑!孙铭徽7中4拿到15分1板8助
球队大脑!孙铭徽7中4拿到15分1板8助
球队大脑!孙铭徽7中4拿到15分1板8助
2025-12-06
再说一遍五十几阿里纳斯:队友不想听保罗瞎BB57年前的事
再说一遍五十几阿里纳斯:队友不想听保罗瞎BB57年前的事
再说一遍五十几阿里纳斯:队友不想听保罗瞎BB57年前的事
2025-12-06
从湖凯对决获额外喜悦马祖拉:参与比个人更宏大事业本就是幸运
从湖凯对决获额外喜悦马祖拉:参与比个人更宏大事业本就是幸运
从湖凯对决获额外喜悦马祖拉:参与比个人更宏大事业本就是幸运
2025-12-06
小将表现不错!杨溢7中3拿到10分4板6助2断正负值+23
小将表现不错!杨溢7中3拿到10分4板6助2断正负值+23
小将表现不错!杨溢7中3拿到10分4板6助2断正负值+23
2025-12-06
追梦:狄龙这赛季有可能进全明星那意味着他付出了努力
追梦:狄龙这赛季有可能进全明星那意味着他付出了努力
追梦:狄龙这赛季有可能进全明星那意味着他付出了努力
2025-12-06
戴格诺特:亚历山大很清楚自己想提升哪些方面且他已有丰富经验
戴格诺特:亚历山大很清楚自己想提升哪些方面且他已有丰富经验
戴格诺特:亚历山大很清楚自己想提升哪些方面且他已有丰富经验
2025-12-06
比斯利:韦德是第一个我觉得比我强的球员我的菜鸟季他场均31分
比斯利:韦德是第一个我觉得比我强的球员我的菜鸟季他场均31分
比斯利:韦德是第一个我觉得比我强的球员我的菜鸟季他场均31分
2025-12-06
媒体人:山西签约迪亚洛支付了两笔钱但CBA能够审查的仅是新合同
媒体人:山西签约迪亚洛支付了两笔钱但CBA能够审查的仅是新合同
媒体人:山西签约迪亚洛支付了两笔钱但CBA能够审查的仅是新合同
2025-12-06
最新录像
最新集锦
热词推荐
热门TAG