
體育資訊10月05日稱 據(jù) decoder 今天報(bào)道,騰訊研究人員最近用《王者榮耀》游戲作為訓(xùn)練平臺(tái),探索如何讓 AI 在游戲中學(xué)會(huì)“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 網(wǎng)站和 arXiv 平臺(tái)。
研究團(tuán)隊(duì)指出,目前的 AI 模型存在明顯的功能鴻溝,以游戲?yàn)槿∠虻?AI 能正常游玩但無(wú)法理解自己所做的決策,而語(yǔ)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(dòng)。
團(tuán)隊(duì)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(zhǔn)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(dòng),勝負(fù)回?cái)?shù)均衡,AI 模型們必須要在每個(gè)定義好的場(chǎng)景下選擇最佳策略,并解釋其戰(zhàn)略緣由。
具體來說,訓(xùn)練分為兩個(gè)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(jī)制;隨后通過獎(jiǎng)勵(lì)機(jī)制進(jìn)行強(qiáng)化學(xué)習(xí),如果行動(dòng)正確能得 1 分,錯(cuò)誤行動(dòng)則得 0 分。
隨后團(tuán)隊(duì)測(cè)試了多種語(yǔ)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(duì)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(duì)策略優(yōu)化(GRPO)技術(shù),比較不同策略之間的優(yōu)劣。
最終經(jīng)過 TiG 框架訓(xùn)練的模型不僅能制定行動(dòng)計(jì)劃,還能解釋原因,例如 AI 會(huì)指出某個(gè)防御塔防守薄弱,是理想的進(jìn)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。
nba季后賽場(chǎng)次排行榜
在體育的世界里,紀(jì)錄是衡量偉大與堅(jiān)韌的標(biāo)尺,而NBA季后賽,正是鍛造傳奇的終極熔爐。當(dāng)常規(guī)賽的喧囂落定,真正的...
2025-11-21
西班牙隊(duì)VS波蘭隊(duì)
綠茵上的博弈:西班牙與波蘭的戰(zhàn)術(shù)交響在足球世界的版圖上,每一次對(duì)決都是一幅獨(dú)特的戰(zhàn)術(shù)畫卷。當(dāng)技術(shù)流典范西...
2025-11-21
網(wǎng)友分享照片:疑似Daeny教練現(xiàn)身BLG基地!穿搭+鞋子都很像
體育資訊11月20日稱 網(wǎng)友分享的照片,一位穿搭很像Daeny教練的人正在BLG基地內(nèi)...
2025-11-21
橫掃!33號(hào)遠(yuǎn)征隊(duì)奪金搖桿年度游戲+共拿7獎(jiǎng)天國(guó)拯救2顆粒無(wú)收
體育資訊11月21日稱 2025年金搖桿年度游戲獎(jiǎng)項(xiàng)全部出爐,光與影:33號(hào)遠(yuǎn)征隊(duì)拿下...
2025-11-21
爆料:BLG和iG正在搶DaenyELK九成去WBG但還沒落筆
體育資訊11月20日稱 疑似Daeny教練被拍到身處BLG基地,來自“召喚師Park”社媒...
2025-11-21