當(dāng)前位置： 首頁 > 體育 > 電競
    

    

    

    

    

    騰訊研發(fā)全新TiG框架：可用AI玩王者榮耀讓AI模型學(xué)會戰(zhàn)略性思考
    

    

    2025-10-04 21:12:32
    

    來源：
    

    

    

    電競資訊10月4日稱 據(jù) decoder 今天報道
    ，騰訊研究人員最近用《王者榮耀》游戲作為訓(xùn)練平臺
    ，探索如何讓AI在游戲中學(xué)會“戰(zhàn)略性思考”，研究全新 TiG（Think in Games）框架
    ，    相關(guān)成果已發(fā)表于 Hugging Face 平臺和 arXiv 期刊
    。
    研究團隊指出，目前的 AI 模型存在明顯的功能鴻溝
    ，以游戲為取向的 AI 能正常游玩但無法理解自己所做的決策
    ，而語言模型雖然可以推理策略
    ，但很難真正執(zhí)行操作，為此他們研發(fā)了全新 TiG 框架
    ，讓模型在游戲中同步思考
    、行動。
    undefined
    團隊選擇以《王者榮耀》游戲作為訓(xùn)練范本
    ，先使用匿名且標(biāo)準化的賽事數(shù)據(jù)定義推上路
    、擊殺暴君、守家等 40 種宏觀行動
    ，勝負回數(shù)均衡，AI 模型們必須要在每個定義好的場景下選擇最佳策略
    ，并解釋其戰(zhàn)略緣由
    。
    undefined
    具體來說，訓(xùn)練分為兩個階段
    ，首先是在監(jiān)督中學(xué)習(xí)
    ，弄清楚這些策略的基本機制；隨后通過獎勵機制進行強化學(xué)習(xí)
    ，如果行動正確能得 1 分
    ，錯誤行動則得 0 分
    。
    undefined
    隨后團隊測試了多種語言模型
    ，涵蓋 Qwen2.5（7B
    、14B、32B）
    、Qwen3-14B 模型
    ，并使用 DeepSeek-R1 大模型作為對照組；先從 DeepSeek-R1 提煉高質(zhì)量訓(xùn)練數(shù)據(jù)
    ，然后使用群體相對策略優(yōu)化（GRPO）技術(shù)
    ，    比較不同策略之間的優(yōu)劣。
    undefined
    最終經(jīng)過 TiG 框架訓(xùn)練的模型不僅能制定行動計劃
    ，還能解釋原因，例如 AI 會指出某個防御塔防守薄弱
    ，是理想的進攻目標(biāo)
    ，但需要注意埋伏的敵人。模型訓(xùn)練后仍保持原有的文本理解
    、數(shù)學(xué)推理與問答能力
    。
    undefined
    最終測試結(jié)果如下：
    • 對照組 DeepSeek-R1：決策準確率達 86.67%
  1. Qwen3-14B：決策準確率達 90.91%
    ，超越 DeepSeek-R1
  2. Qwen2.5-32B ：準確率從 66.67% 提升至 86.84%
  3. Qwen2.5-14B：準確率從 53.25% 提升至 83.12%
    4. 



    

    

    

    最新資訊
    

    


    


    

    

    

    最新錄像
    

    



    

    最新集錦
    

    



    

    熱詞推薦