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 14:28:33

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
吴宜泽晋级决赛之路:连斩4位前16冠军选手,击败特鲁姆普&霍金斯
吴宜泽晋级决赛之路:连斩4位前16冠军选手,击败特鲁姆普&霍金斯
吴宜泽晋级决赛之路:连斩4位前16冠军选手,击败特鲁姆普&霍金斯
2025-11-08
首进年终决赛!莱巴金娜21逆转佩古拉,获129万美元奖金和400分
首进年终决赛!莱巴金娜21逆转佩古拉,获129万美元奖金和400分
首进年终决赛!莱巴金娜21逆转佩古拉,获129万美元奖金和400分
2025-11-08
张本智和13不敌奥恰洛夫,无缘WTT法兰克福冠军赛男单八强
张本智和13不敌奥恰洛夫,无缘WTT法兰克福冠军赛男单八强
张本智和13不敌奥恰洛夫,无缘WTT法兰克福冠军赛男单八强
2025-11-08
疑似被警方追捕开枪自尽!NFL达拉斯牛仔球员尼兰离世,年仅24岁
疑似被警方追捕开枪自尽!NFL达拉斯牛仔球员尼兰离世,年仅24岁
疑似被警方追捕开枪自尽!NFL达拉斯牛仔球员尼兰离世,年仅24岁
2025-11-08
生涯仅第四年!吴宜泽创00后球手完成100记百分杆用时最短的纪录
生涯仅第四年!吴宜泽创00后球手完成100记百分杆用时最短的纪录
生涯仅第四年!吴宜泽创00后球手完成100记百分杆用时最短的纪录
2025-11-08
瓜迪奥拉:我很怀念德甲,我在拜仁慕尼黑度过了非常幸福的时光
瓜迪奥拉:我很怀念德甲,我在拜仁慕尼黑度过了非常幸福的时光
瓜迪奥拉:我很怀念德甲,我在拜仁慕尼黑度过了非常幸福的时光
2025-11-07
巴萨官推晒球队公开训练视频:欢迎回到诺坎普!
巴萨官推晒球队公开训练视频:欢迎回到诺坎普!
巴萨官推晒球队公开训练视频:欢迎回到诺坎普!
2025-11-07
功勋中卫!曼联官方祝费迪南德47岁生日快乐,效力12年斩获15冠
功勋中卫!曼联官方祝费迪南德47岁生日快乐,效力12年斩获15冠
功勋中卫!曼联官方祝费迪南德47岁生日快乐,效力12年斩获15冠
2025-11-07
每体晒诺坎普饮品区:啤酒售价4.3欧元,软饮售价4.7欧元
每体晒诺坎普饮品区:啤酒售价4.3欧元,软饮售价4.7欧元
每体晒诺坎普饮品区:啤酒售价4.3欧元,软饮售价4.7欧元
2025-11-07
布冯晒参加活动视频:邯郸之行触动我心,相隔千里却如家般温暖
布冯晒参加活动视频:邯郸之行触动我心,相隔千里却如家般温暖
布冯晒参加活动视频:邯郸之行触动我心,相隔千里却如家般温暖
2025-11-07
最新录像
最新集锦
热词推荐
热门TAG