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 15:04:25

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
Peanut:进入淘汰赛皇子必定会登场,面对LPL时需要警惕奇亚娜
Peanut:进入淘汰赛皇子必定会登场,面对LPL时需要警惕奇亚娜
Peanut:进入淘汰赛皇子必定会登场,面对LPL时需要警惕奇亚娜
2025-10-21
花钱买跳过的剧情日本黑帮影游即将发售:气质教师、性感忍者随你挑
花钱买跳过的剧情日本黑帮影游即将发售:气质教师、性感忍者随你挑
花钱买跳过的剧情日本黑帮影游即将发售:气质教师、性感忍者随你挑
2025-10-21
Tian:牙膏说可以来解说23号TES,他应该是想恶心我
Tian:牙膏说可以来解说23号TES,他应该是想恶心我
Tian:牙膏说可以来解说23号TES,他应该是想恶心我
2025-10-21
老好人!图片报:凯恩近日主动打电话指点特尔,安慰犯错的小贝林
老好人!图片报:凯恩近日主动打电话指点特尔,安慰犯错的小贝林
老好人!图片报:凯恩近日主动打电话指点特尔,安慰犯错的小贝林
2025-10-21
谁能想到!利物浦40万镑周薪续约33岁萨拉赫,新赛季状态断崖下滑
谁能想到!利物浦40万镑周薪续约33岁萨拉赫,新赛季状态断崖下滑
谁能想到!利物浦40万镑周薪续约33岁萨拉赫,新赛季状态断崖下滑
2025-10-21
欧冠对哥本哈根!凯尔:我们已复盘对拜仁的比赛,将专注下一场
欧冠对哥本哈根!凯尔:我们已复盘对拜仁的比赛,将专注下一场
欧冠对哥本哈根!凯尔:我们已复盘对拜仁的比赛,将专注下一场
2025-10-21
本赛季英超后卫成功对抗榜:多古54次列次席,科纳特51次列第四
本赛季英超后卫成功对抗榜:多古54次列次席,科纳特51次列第四
本赛季英超后卫成功对抗榜:多古54次列次席,科纳特51次列第四
2025-10-21
全球俱乐部身价榜:皇马14亿居首,枪手曼城分列23,共7队超10亿
全球俱乐部身价榜:皇马14亿居首,枪手曼城分列23,共7队超10亿
全球俱乐部身价榜:皇马14亿居首,枪手曼城分列23,共7队超10亿
2025-10-21
德天空:皇马不一定续约阿拉巴吕迪格,或引发转会市场的连锁效应
德天空:皇马不一定续约阿拉巴吕迪格,或引发转会市场的连锁效应
德天空:皇马不一定续约阿拉巴吕迪格,或引发转会市场的连锁效应
2025-10-21
伊尔迪兹:客战伯纳乌是儿时梦想成真皮耶罗我想书写我的历史
伊尔迪兹:客战伯纳乌是儿时梦想成真皮耶罗我想书写我的历史
伊尔迪兹:客战伯纳乌是儿时梦想成真皮耶罗我想书写我的历史
2025-10-21
最新录像
最新集锦
热词推荐
热门TAG