腾讯研发的全新框架太壮大,AI玩《王者光荣》更牛了

据报道，腾讯研究人员最近用《王者荣耀》游戏作为训练平台，探索如何让 AI 在游戏中学会“战略性思考”，研究全新 TiG（Think in Games）框架，相关成果已发表于 Hugging Face 平台和 arXiv 期刊。

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：

对照组 DeepSeek-R1：决策准确率达 86.67%

Qwen3-14B：决策准确率达 90.91%，超越 DeepSeek-R1

Qwen2.5-32B ：准确率从 66.67% 提升至 86.84%

Qwen2.5-14B：准确率从 53.25% 提升至 83.12%