研究团队(dui)指(zhi)出，目前(qian)的 AI 模型存在明显(xian)的(de)功能鸿沟，以游戏(xi)为取向的 AI 能正常游玩但无法(fa)理解自己所做的决策，而(er)语言模型(xing)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(dui)选择以《王者荣耀》游戏作为训练范本，先使(shi)用匿名且标准化的赛事数据(ju)定义推上路、击杀暴君、守家等(deng) 40 种宏观(guan)行(xing)动，胜负回(hui)数均衡，AI 模型们必(bi)须要在每个定义好的(de)场景下选(xuan)择最佳(jia)策略，并解释其战略缘由。
具体来说，训练分为两个(ge)阶(jie)段，首先是在监(jian)督中学习(xi)，弄清楚这些策略(lve)的基本机制；随后通过奖(jiang)励(li)机制进行强化学习，如果行动正确能得 1 分，错误行(xing)动则得 0 分。
随后团队(dui)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(xing)作为对照(zhao)组；先(xian)从 DeepSeek-R1 提(ti)炼高质量训练数据，然后使(shi)用群体相对策略优化（GRPO）技术，比(bi)较不同策略之(zhi)间的优劣。
最终经过 TiG 框架训练的模(mo)型不仅能制定行动计划，还能解(jie)释原因，例如 AI 会指出(chu)某个防御塔防守薄(bao)弱，是理想的进攻(gong)目标，但需要注意埋伏的敌人。模(mo)型训练(lian)后仍(reng)保持原有的文本理解、数学推理与问答能力(li)。
最终测(ce)试结(jie)果如下：
- 对照组 DeepSeek-R1：决策准确率(lv)达(da) 86.67%
