电竞资讯10月05日称 据 decoder 今天报道(dao)，腾讯研究人员最近用《王者荣耀(yao)》游戏作为训(xun)练平台，探索如何让 AI 在游戏中学会(hui)“战略性思考”，研究全新 TiG（Think in Games）框架，相关成(cheng)果已发表于 Hugging Face 网站和 arXiv 平台。
研究团(tuan)队指出，目前的 AI 模型(xing)存在明(ming)显的(de)功能鸿沟，以游(you)戏为取向(xiang)的 AI 能正常游玩但无法理解(jie)自己(ji)所做的决(jue)策，而语言模型(xing)虽然(ran)可以推理策略，但很难真正执行操作，为此(ci)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(rong)耀》游戏作为(wei)训练范本，先使用匿名且标准化的赛事数据定(ding)义(yi)推上路、击杀暴君(jun)、守家等 40 种宏观行动(dong)，胜负回数均衡，AI 模型们(men)必须要在每个定义好的场景下(xia)选择(ze)最佳策略(lve)，并解释其战略缘由(you)。
具体来说，训(xun)练分为两个阶段，首先是在监督中(zhong)学习，弄清楚这些策略的基本机(ji)制；随(sui)后通过(guo)奖励机制进行强化学(xue)习，如果行动正(zheng)确(que)能得 1 分，错误行动则(ze)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(lian)高质量训练数(shu)据(ju)，然后使用群体相对策略优化（GRPO）技术，比(bi)较不同策略之间的优劣。
最终经过 TiG 框架训(xun)练的模型不仅能制(zhi)定行动计划，还能解释(shi)原(yuan)因，例(li)如 AI 会(hui)指出某个(ge)防御塔防守薄弱，是理想的进攻(gong)目标(biao)，但(dan)需要注意埋伏的敌人。模型训练后仍保持原有的文本理(li)解、数学推理与问答(da)能力。
