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。
最终测试结果如下:
篮球资讯10月16日宣 近日,前NBA球员帕金斯做客了《Scoop B Radio》播客节目。勒布朗-詹姆斯在Instagram上取...
2025-10-16篮球资讯10月16日宣 今日火箭球员杰夫-格林接受了队记Danielle Lerner专访。当谈及给火箭年轻球员的忠告,杰...
2025-10-16篮球资讯10月16日宣 据名记Shams报道,突发消息,尼克斯后卫布罗格登通过ESPN宣布,在征战NBA九个赛季后决定退役...
2025-10-16篮球资讯10月16日宣 今天,76人主帅纳斯在训练结束后接受了采访。纳斯表示,恩比德与保罗-乔治均参与了实战性质...
2025-10-16篮球资讯10月16日宣 今天,卡鲁索在训练结束后接受了采访。谈及上赛季季后赛G7防守约基奇,卡鲁索表示:“我当时...
2025-10-16